基于層次的混合聚類算法研究.pdf

1、隨著科學技術的快速進步,人們已經被大量數據淹沒,已經越來越沒有時間看數據了,造成人們無法快速找到所需要的信息的困境。在面對大量數據時,必須找到有效的方法,可以自動的進行數據分類分析、數據匯總以及標記異常數據。數據挖掘就是在解決上述問題過程中而產生的技術。聚類技術作為數據挖掘的一個主要技術方法,是將相似的數據劃分為簇,提供給人們針對自己的需求甄選數據的方法。
　　目前,研究人員已經設計出了眾多的聚類算法,其中基于層次的聚類算法一直是

2、在應用領域中最有發(fā)展前景的算法,受到了廣大學者的密切關注。
　　首先,本文簡單介紹了一下數據挖掘技術,之后針對聚類分析方法進行了深入的研究分析,總結了聚類算法應具備的特征,詳細介紹了經典聚類算法的主要思想、代表算法并對比了各類算法的優(yōu)勢和缺陷。
　　其次,針對Chameleon算法需要人為給出聚類的相關參數以及合并簇操作時不可逆的缺點,提出一種基于模塊度的可回溯聚類算法Chameleon。該算法會自動找到最適合本數據集的聚類

3、參數,同時實現了回溯操作,保證得到最好的聚類效果。利用模擬數據對Chameleon算法和Chameleon算法進行實驗分析,結果顯示Chameleon算法可很好的改善聚類結果的質量。
　　最后,為了解決引入模塊度和回溯機制后Chameleon算法運行時間增加的問題,設計了一種混合聚類算法KBMC算法,將Chameleon算法與傳統(tǒng)的基于劃分的k-means算法相結合,保證了聚類結果的精確度的同時也改善了算法的時間復雜度。使用模擬數