聚類方法及其應(yīng)用研究.pdf

1、近年來,存儲數(shù)據(jù)的爆炸性增長業(yè)已激起對新技術(shù)和自動信息處理工具的需求,以便將海量的數(shù)據(jù)轉(zhuǎn)換化為有用的信息和知識.在這種背景下,知識發(fā)現(xiàn)和數(shù)據(jù)挖掘(KDD&DM-Knowledge Discovery in Database&Data Mining)應(yīng)運而生,它是一個從大量的、不完全的、有噪聲的實際應(yīng)用數(shù)據(jù)中,提取隱含在其中的、事先未知的、但又潛在有用的知識的過程.作為數(shù)據(jù)挖掘的重要方法之一,聚類是自動地對物理的或抽象的對象分組,使其成為

2、由類似對象組成的多個類(簇)的過程.當把聚類方法應(yīng)用于實際問題時,我們經(jīng)常會遇到數(shù)據(jù)集不斷變化、需要使用各種約束條件,以及如何更為有效地繼承以往數(shù)據(jù)挖掘過程和結(jié)果的問題.該文針對這些問題,在增量式聚類算法、帶約束條件的聚類算法、數(shù)據(jù)挖掘中的可繼承性問題、適宜于可繼承性數(shù)據(jù)挖掘的I-DM模型及基于此的聚類算法等方面進行深入研究.主要工作包括:1)研究了數(shù)據(jù)倉庫環(huán)境下的數(shù)據(jù)更新后的增量聚類問題.通過CURE聚類算法和K-NN方法,以及樸素貝

3、葉斯方法的有效的結(jié)合,給出兩種增量式聚類算法I-CUREN和I-CUREC算法,它們能夠?qū)崿F(xiàn)增量式聚類,并可以產(chǎn)生新的類,其時間復(fù)雜度為0(n);2)詳細研究了約束聚類問題,給出約束條件的分類及常用的約束條件形式定義.分析了CLIQUE聚類方法,提出一種新的算法框架CON-CLIQUE,它能夠有效的解決高維空間的約束聚類問題.3)描述了知識發(fā)現(xiàn)過程中的可繼承性問題,通過對現(xiàn)有知識發(fā)現(xiàn)過程和挖掘算法形式化描述和分析,抽象出各個階段的聯(lián)系及