基于網(wǎng)格相鄰關(guān)系的多密度聚類和離異點識別算法研究.pdf

1、聚類分析和離異點識別都是數(shù)據(jù)挖掘的重要分支。隨著聚類分析和離異點識別技術(shù)在科學(xué)研究、市場分析以及生命科學(xué)等眾多學(xué)科領(lǐng)域廣泛的應(yīng)用，它們在挖掘分析中的重要地位也日漸顯現(xiàn)。通過對數(shù)據(jù)空間的網(wǎng)格單元的相鄰關(guān)系深入研究，本文提出了利用數(shù)據(jù)空間中的網(wǎng)格單元間的關(guān)系，進行聚類和離異點識別。主要研究工作如下：
　　 在分析了網(wǎng)格劃分與均勻分布數(shù)據(jù)投影相異數(shù)的關(guān)系基礎(chǔ)上，提出了劃分網(wǎng)格與投影相異數(shù)關(guān)系定理，并給出了相異數(shù)劃分網(wǎng)格法。對網(wǎng)格劃分?jǐn)?shù)

2、不是整數(shù)時，小數(shù)部分也提出了處理辦法。該劃分網(wǎng)格法考慮了數(shù)據(jù)分布的因素，減少了冗余網(wǎng)格數(shù)，簡單易行。為了判斷相鄰單元的關(guān)系，定義了一種關(guān)于單元質(zhì)心距離和相對密度的相異函數(shù)。
　　 按照離異點是在一定范圍內(nèi)偏離其它數(shù)據(jù)點，離異點所在單元的密度與相鄰單元的密度相比可能偏高或偏低的思想，提出了一種基于網(wǎng)格相鄰關(guān)系的離異點識別算法GAO。該算法用單元間的相對密度和單元質(zhì)心距離來衡量單元間的離異度，根據(jù)離異度確定離異單元和離異點。實驗結(jié)果

3、表明，該算法能有效地識別出多密度數(shù)據(jù)集的離異點，算法的效率優(yōu)于Cell-based算法，且適合大數(shù)掘集的離異點識別。
　　 利用單元的密度和質(zhì)心能反映單元內(nèi)數(shù)掘分布特征，提出了基于網(wǎng)格相鄰關(guān)系的多密度聚類算法GAMD。該算法用相異函數(shù)來衡量單元間的相似度和離異度，用相似度確定邊界單元的數(shù)據(jù)歸屬，并且聚類的同時進行離異點的識別，有較高的時間效率和精度。為檢驗聚類的有效性，提出了擬合度的概念。實驗結(jié)果表明，該算法能發(fā)現(xiàn)任意形狀的簇，