多數(shù)據(jù)庫聚類技術(shù).pdf

1、多數(shù)據(jù)庫聚類技術(shù)專業(yè)名稱：計(jì)算機(jī)應(yīng)用技術(shù)申請人：爨玉偉指導(dǎo)教師：袁鼎榮教授論文答辯委員會主席：委員：(2)提出了基于鏈接的多數(shù)據(jù)庫層次聚類方法數(shù)據(jù)對象之間的關(guān)系分為鄰接、鏈接和無關(guān)。一般聚類分析方法通過比較數(shù)據(jù)對象問的相似度來進(jìn)行類別分配，可能會受到異常數(shù)據(jù)對象的干擾，為了避免這種干擾，ROCK算法利用對象鏈接進(jìn)行分類。本文則基于該理念定義了多數(shù)據(jù)庫間鏈接的概念，并提出了基于鏈接的層次聚類方法。該方法可以有效排除異常數(shù)據(jù)庫對聚類效果的影

2、響，可以在較短時間內(nèi)得到相對滿意的聚類結(jié)果。(3)設(shè)計(jì)了多數(shù)據(jù)庫的均值聚類方法本文在KMeans和FCM算法的基礎(chǔ)上，設(shè)計(jì)了針對多數(shù)據(jù)庫的K均值聚類方法和概率均值聚類方法。在基于KMeans的多數(shù)據(jù)庫聚類方法中，采用數(shù)據(jù)庫與類別的平均距離作為均值距離，通過迭代分配數(shù)據(jù)庫得到最終聚類結(jié)果；在概率均值聚類方法中，則通過梯度調(diào)整隸屬矩陣的值，進(jìn)而優(yōu)化數(shù)據(jù)庫類別分配并得到最終聚類結(jié)果。實(shí)驗(yàn)證明我們提出的方法是有效的。多數(shù)據(jù)庫聚類是多數(shù)據(jù)庫挖掘中