一種帶有聚類功能的邊界檢測算法的研究.pdf

1、當(dāng)代世界是一個信息化的世界，各行各業(yè)都存在著大量的數(shù)據(jù)，人們迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識，以幫助他們進(jìn)行商務(wù)管理，生產(chǎn)控制，市場分析，工程設(shè)計(jì)和科學(xué)探索等，于是數(shù)據(jù)挖掘便應(yīng)運(yùn)而生，成為信息產(chǎn)業(yè)界關(guān)注的焦點(diǎn)。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取有用的知識，它涉及到很多學(xué)科領(lǐng)域，包括數(shù)據(jù)庫技術(shù)、人工智能、機(jī)器學(xué)習(xí)、模式識別、統(tǒng)計(jì)理論、信息論、高性能計(jì)算等等。聚類分析是數(shù)據(jù)挖掘研究領(lǐng)域中一個重要的研究課題，已被應(yīng)用于模式識別、圖像處理、數(shù)

2、據(jù)分析，市場研究等眾多領(lǐng)域。同時，聚類邊界分析在數(shù)據(jù)挖掘中也具有很高的研究價(jià)值，已經(jīng)被廣泛應(yīng)用于生物學(xué)、物理學(xué)、圖像識別等各種領(lǐng)域。目前已經(jīng)出現(xiàn)了很多聚類算法和邊界檢測算法，但這些算法大部分都是相互獨(dú)立的，并沒有將聚類和邊界檢測相融合。另外，已出現(xiàn)的關(guān)于邊界檢測的算法也存在很多缺陷，在實(shí)際應(yīng)用中很難達(dá)到用戶的預(yù)期效果。
　　 本文總結(jié)了前人的研究成果，并對已往的聚類邊界檢測算法進(jìn)行了深入地分析研究，得出這些算法要么效率低，要么邊

3、界檢測精度低，要么輸入?yún)?shù)難以確定。為克服這些缺點(diǎn)，本文提出了向量夾角熵的概念和基于向量夾角熵的邊界點(diǎn)檢測算法BDVE，該算法充分利用了網(wǎng)格能夠提高運(yùn)算速度且能有效去除噪聲的優(yōu)點(diǎn)。針對已往聚類算法與邊界檢測算法相互分離的問題，本文提出了基于三角剖分的聚類和邊界檢測算法DTBOUND，該算法將聚類和邊界檢測融為一體，充分利用了變異系數(shù)和三角剖分圖能夠自然地反映數(shù)據(jù)點(diǎn)分布特征的優(yōu)點(diǎn)。
　　 本文實(shí)現(xiàn)了算法BDVE和DTBOUND，在