基于決策粗糙集的聚類數(shù)自動確定方法.pdf

1、聚類分析是數(shù)據(jù)挖掘研究中重要的方法之一，它在發(fā)現(xiàn)數(shù)據(jù)內(nèi)在結(jié)構(gòu)特征方面有著重要作用。聚類是一種無監(jiān)督的學(xué)習(xí)方法，它已經(jīng)廣泛應(yīng)用在模式識別、商務(wù)智能、圖像分析、信息檢索和生物信息學(xué)等眾多領(lǐng)域。
　　 現(xiàn)在已有很多種成熟的聚類算法，包括劃分聚類和層次聚類等。然而這些方法大部分都需要人為的提供像聚類類簇數(shù)這樣的參數(shù)，比如，劃分聚類需要預(yù)先知道聚類的類簇數(shù)，層次聚類需要知道聚類的終止點，此外還有基于網(wǎng)格聚類需要預(yù)先知道網(wǎng)格大小的閾值參數(shù)等

2、等。然而這樣的參數(shù)在實際應(yīng)用中是很難得到的，這就大大的限制了聚類分析在現(xiàn)實中的應(yīng)用。因此，對一個給定系統(tǒng)進行聚類時，一個基本而困難的問題就是如何確定聚類類簇數(shù)。
　　 為了數(shù)據(jù)驅(qū)動地確定聚類數(shù)，一個好的聚類有效性指標(CVI: ClusterValidity Index)是必不可少的，它可以用來評價在聚類過程中得到的聚類結(jié)果(Clustering Result)的好壞。Yao等人提出的決策粗糙集模型對于分類有更好的理解，它是一個

3、典型的概率型粗糙集模型，引入了貝葉斯理論來獲得最小損耗的決策。
　　 本文通過擴展決策粗糙集模型提出了一種在層次聚類算法框架下的自動確定聚類數(shù)的新方法。首先，我們擴展了決策粗糙集模型，用代價(risk)的概念來描述對象之間的關(guān)系，進而描述聚類結(jié)果的好壞。而以這個代價作為描述某個聚類結(jié)果的聚類有效性評價指標，在文中稱為基于DTRS的聚類有效性函數(shù)。然后，根據(jù)此評價函數(shù)，基于凝聚型層次聚類算法框架，將聚類過程中的每個聚類結(jié)果的代價值