基于數(shù)據(jù)場(chǎng)的密度聚類算法研究.pdf

1、聚類分析是一種以探索數(shù)據(jù)本質(zhì)，劃分?jǐn)?shù)據(jù)類別為目的的無(wú)監(jiān)督學(xué)習(xí)方法，已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域和數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)之一。密度聚類算法是一個(gè)重要的聚類分析工具，其采用新的度量方式，利用密度連通來(lái)確定類簇的思想，為聚類分析提供新的解決思路。近年來(lái)，研究者們提出了很多密度聚類算法，并將算法應(yīng)用于大規(guī)?？臻g數(shù)據(jù)的知識(shí)挖掘、圖像分割、微博文本分析等實(shí)際領(lǐng)域中。
　　 應(yīng)用于含噪聲空間數(shù)據(jù)的密度聚類算法DBSCAN是經(jīng)典密度聚類算法的代表之一。

2、DBSCAN算法在不需要知曉數(shù)據(jù)集類簇個(gè)數(shù)的情況下，不僅能夠把任意形狀的類簇劃分出來(lái)，還能夠識(shí)別出數(shù)據(jù)集中的噪聲數(shù)據(jù)。然而該算法對(duì)兩個(gè)輸入?yún)?shù)Eps和MinPts的依賴性很大，且難以處理多密度數(shù)據(jù)集。
　　 因此，本文結(jié)合數(shù)據(jù)場(chǎng)理論，利用數(shù)據(jù)場(chǎng)能夠綜合考慮數(shù)據(jù)間相互作用力、合理描述數(shù)據(jù)集的整體分布的優(yōu)勢(shì)，研究了基于數(shù)據(jù)場(chǎng)的密度聚類算法。主要工作內(nèi)容包括以下三個(gè)方面:
　　 1.結(jié)合數(shù)據(jù)場(chǎng)思想和DBSCAN算法，設(shè)計(jì)了一個(gè)

3、基于數(shù)據(jù)場(chǎng)的改進(jìn)DBSCAN聚類算法，該算法適用于包含多種密度和多個(gè)形態(tài)類簇的數(shù)據(jù)集。算法首先利用數(shù)據(jù)場(chǎng)得到數(shù)據(jù)集的整體信息，通過引入平均勢(shì)差來(lái)輔助Eps和MinPts進(jìn)行后期的聚類。新算法只需用戶輸入?yún)?shù)MinPts，平均勢(shì)差和Eps的取值通過考慮選定核心數(shù)據(jù)所在類簇的數(shù)據(jù)分布情況，根據(jù)核心數(shù)據(jù)的選擇實(shí)時(shí)確定，最后利用密度可達(dá)得到聚類結(jié)果。通過與K-means算法、DBSCAN算法和數(shù)據(jù)場(chǎng)聚類算法的對(duì)比實(shí)驗(yàn)分析，表明提出的算法能夠得到

4、較好的聚類結(jié)果。
　　 2.為了探索新算法的實(shí)際應(yīng)用能力，研究了如何將新算法應(yīng)用于圖像分割領(lǐng)域，并考查了數(shù)據(jù)場(chǎng)勢(shì)函數(shù)的參數(shù)mi對(duì)聚類結(jié)果的影響。考慮到像素的灰度值在圖像顯示中占有重要的地位，將參數(shù)mi的取值與其相關(guān)聯(lián)，通過對(duì)圖像進(jìn)行一系列的非線性處理來(lái)影響mi的取值。另外，為了使得聚類結(jié)果的圖像顯示更加符合人類的視覺感知，文中采用兩種顯示方法。通過對(duì)幾幅示例圖像的處理分析，以及與其它圖像分割算法的比較，說(shuō)明提出的算法可以應(yīng)用于圖

5、像分割領(lǐng)域且參數(shù)mi對(duì)聚類結(jié)果有影響。
　　 3.為了給用戶提供良好的交互界面以及直觀的算法性能比較，利用C#.NET、MATLAB編程語(yǔ)言和SQL Server 2008數(shù)據(jù)庫(kù)，設(shè)計(jì)并實(shí)現(xiàn)了基于數(shù)據(jù)場(chǎng)的聚類算法實(shí)驗(yàn)系統(tǒng)，包括對(duì)UCI數(shù)據(jù)集、人工數(shù)據(jù)集等不同數(shù)據(jù)集進(jìn)行K-means算法、DBSCAN算法、數(shù)據(jù)場(chǎng)聚類算法、基于數(shù)據(jù)場(chǎng)的改進(jìn)DBSCAN算法的聚類分析和結(jié)果顯示。
　　 本文結(jié)合數(shù)據(jù)場(chǎng)的理論，為密度聚類算法解決