一種改進(jìn)的COBWEB算法研究.pdf

1、數(shù)據(jù)挖掘中的聚類(lèi)分析一直是近年來(lái)應(yīng)用極為廣泛的技術(shù)之一。所謂聚類(lèi)，是物理或抽象對(duì)象的集合分成由類(lèi)似的對(duì)象組成的多個(gè)類(lèi)的過(guò)程。而隨著信息技術(shù)的發(fā)展，數(shù)據(jù)的形式也逐漸多樣化，很多數(shù)據(jù)集中都包含有不確定的屬性，這類(lèi)數(shù)據(jù)被稱(chēng)為不確定數(shù)據(jù)。在生物、醫(yī)學(xué)等領(lǐng)域，這種不確定數(shù)據(jù)更為常見(jiàn)。傳統(tǒng)的模型聚類(lèi)算法并不能提供一個(gè)有效的方法來(lái)處理此類(lèi)數(shù)據(jù)。本文針對(duì)經(jīng)典的COBWEB算法，給出了一種基于不確定數(shù)據(jù)的聚類(lèi)算法來(lái)解決原算法不能處理不確定因素的問(wèn)題。

2、r>　　 本文首先分析研究了數(shù)據(jù)挖掘的相關(guān)理論與技術(shù)、數(shù)據(jù)挖掘中聚類(lèi)分析一般步驟和經(jīng)典算法，特別針對(duì)基于模型的聚類(lèi)算法進(jìn)行認(rèn)真研究和分析。其次，在認(rèn)真研究了原COBWEB算法的基礎(chǔ)上，就其在應(yīng)用過(guò)程中存在不能處理不確定數(shù)據(jù)的問(wèn)題，給出了一種改進(jìn)算法。改進(jìn)算法以不確定數(shù)據(jù)作為輸入源，采用經(jīng)典的信息熵、歐氏距離和相似性度量理論改進(jìn)了原算法的分類(lèi)效用函數(shù)，新函數(shù)對(duì)于實(shí)例有更全面的解釋和表達(dá)，同時(shí)也模型化了新分類(lèi)樹(shù)。最后通過(guò)仿真實(shí)驗(yàn)來(lái)對(duì)比兩種