基于粒計(jì)算的聚類算法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展與普及，大量數(shù)據(jù)充斥人們眼球，人們每天都要面對(duì)海量數(shù)據(jù)?；镜臄?shù)據(jù)存儲(chǔ)與讀取功能已經(jīng)不能滿足需求，人們希望在大量數(shù)據(jù)集中尋找有用信息。數(shù)據(jù)挖掘正是從大量有效的數(shù)據(jù)中發(fā)現(xiàn)隱藏信息的一門有效技術(shù)。聚類是數(shù)據(jù)挖掘中的一個(gè)主要研究方向，其通過類內(nèi)事物具有相似性、類間事物具有相異性來發(fā)現(xiàn)事物的內(nèi)在規(guī)律。
　　聚類是一種無監(jiān)督學(xué)習(xí)方法，其本質(zhì)是論域上的等價(jià)劃分，而這種等價(jià)劃分的結(jié)果是等價(jià)類內(nèi)樣本集相似度大于給定閾值，而等價(jià)類

2、之間樣本集則小于閾值。傳統(tǒng)的聚類算法很難處理模糊、不確定信息，對(duì)異常信息不敏感，算法不夠穩(wěn)定，過度依賴輸入?yún)?shù)，且在處理大數(shù)據(jù)集上運(yùn)行緩慢。針對(duì)聚類算法的上述缺點(diǎn)，文章結(jié)合粒計(jì)算的三大模型模糊集、粗糙集模型和商空間模型理論，提出融合模型聚類算法。
　　本文首先介紹粒計(jì)算基本概念，分析粒計(jì)算單一模型下的聚類算法，及模糊商空間聚類算法和模糊粗糙聚類算法。粒計(jì)算融合模型聚類算法是在原有粒計(jì)算模型聚類算法基礎(chǔ)上，結(jié)合各模型優(yōu)點(diǎn)而成。即模糊

3、聚類算法能夠處理模糊信息，使得聚類結(jié)果同實(shí)際更加吻合；粗糙集聚類算法能夠從數(shù)據(jù)本身求解參數(shù)，使得聚類結(jié)果更加精確，算法更加穩(wěn)定；商空間聚類算法能夠從不同粒度大小，求解不同聚類結(jié)果，從中選擇最優(yōu)聚類結(jié)果，這同人類求解問題過程是一致的。
　　為了使算法能夠處理混合屬性數(shù)據(jù)，本文使用統(tǒng)一相異度公式計(jì)算模糊商空間的距離空間。使用陰影集理論計(jì)算每個(gè)類簇的閾值，根據(jù)閾值大小計(jì)算每個(gè)類簇的正域及邊界域，采用近似集權(quán)值方法計(jì)算類簇中心，作為下一次