分布式環(huán)境下分類變量聚類算法設(shè)計與實現(xiàn).pdf

1、聚類是一種重要的數(shù)據(jù)挖掘技術(shù),它可以在不了解數(shù)據(jù)背景的情況下完成數(shù)據(jù)的劃分,使得同一個劃分中的數(shù)據(jù)相似度盡可能大,不同劃分中數(shù)據(jù)的相似度盡可能小,以方便數(shù)據(jù)的分析與管理。與其它數(shù)據(jù)挖掘技術(shù)相比,聚類技術(shù)最主要的特點是事先不需要了解數(shù)據(jù)內(nèi)部細(xì)節(jié),聚類結(jié)果完全依賴于數(shù)據(jù)本身。分類型數(shù)據(jù)廣泛存于各種領(lǐng)域,解決分類變量聚類問題的傳統(tǒng)方法是將分類變量轉(zhuǎn)化成數(shù)值變量,之后利用數(shù)值變量的聚類方法進(jìn)行聚類。由于分類變量的屬性值沒有數(shù)量關(guān)系,傳統(tǒng)的處理方

2、法有很大盲目性。一些專門針對分類變量提出的聚類算法,考慮了分類變量的特殊性,雖然改善了分類變量的聚類效果,但聚類精度仍有提升的空間。
　　基于以上分析,本文的主要工作如下所述:
　　1)介紹并分析了國內(nèi)外主要分類變量聚類算法的優(yōu)缺點;2)針對分類變量相似度定義的不足,提出屬性權(quán)重相似度的定義;3)利用屬性權(quán)重相似度,將數(shù)據(jù)集抽象為無向圖,將聚類的過程轉(zhuǎn)化為求無向圖連通分量的過程,進(jìn)而提出一種基于屬性權(quán)重相似度的分類變量聚類算