相異度量的k-modes聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘的重要研究?jī)?nèi)容，通過(guò)聚類，將繁瑣大量的數(shù)據(jù)集有效的劃分成為一系列的子類，使得同一子類中的對(duì)象彼此相似，而不同子類中的對(duì)象盡量相異性高。在眾多的聚類方法中，基于劃分的聚類算法是最常見(jiàn)的聚類方法，特別是經(jīng)典的k-means算法被廣泛應(yīng)用于工業(yè)和科學(xué)的各個(gè)領(lǐng)域。k-means算法對(duì)于處理數(shù)值型數(shù)據(jù)有好的聚類效果，但是不能處理常見(jiàn)的字符型數(shù)據(jù)。因此，對(duì)于字符型數(shù)據(jù)聚類算法的探索和改進(jìn)，是聚類分析領(lǐng)域重要的課題之一。
　　

2、 針對(duì)k-means算法無(wú)法處理字符型數(shù)據(jù)這一問(wèn)題，k-modes聚類算法對(duì)其進(jìn)行了擴(kuò)展。本文對(duì)字符型數(shù)據(jù)處理的聚類問(wèn)題進(jìn)行了研究，并對(duì)各種改進(jìn)的k-modes算法進(jìn)行了對(duì)比和分析。然而，傳統(tǒng)k-modes聚類算法中相異度量方法不能反映對(duì)象間的潛在的相似關(guān)系，特別是當(dāng)數(shù)據(jù)量很大或數(shù)據(jù)集很復(fù)雜時(shí)，不能更好的區(qū)分樣本間的差異。本文針對(duì)以上問(wèn)題，對(duì)相異度量方法進(jìn)行了改進(jìn)，使其能更好的強(qiáng)化類間的相異性。最后，在傳統(tǒng)k-modes聚類算法的基礎(chǔ)

3、上提出了一種改進(jìn)的k-modes聚類方法。
　　 論文主要工作有以下幾個(gè)方面：
　　 (1)對(duì)研究?jī)?nèi)容的背景知識(shí)和基于劃分的聚類方法研究現(xiàn)狀進(jìn)行了闡述。
　　 (2)介紹了傳統(tǒng)聚類分析方法的分類情況，并對(duì)聚類分析中的數(shù)據(jù)結(jié)構(gòu)、相異度度量以及聚類準(zhǔn)則函數(shù)進(jìn)行了描述。
　　 (3)對(duì)傳統(tǒng)k-modes算法的思想以及算法過(guò)程進(jìn)行了詳細(xì)的闡述，并對(duì)其優(yōu)缺點(diǎn)進(jìn)行了分析。
　　 (4)針對(duì)原有相異度量不能反映

4、類內(nèi)部的相似性，本文定義了一個(gè)屬性值函數(shù)，該函數(shù)描述了屬性值對(duì)于該屬性的重要性以及類中心對(duì)于某一屬性的代表程度，量化了對(duì)象與屬性的內(nèi)在關(guān)系。并基于此提出了本文的相異度量方法，此方法反映出不同對(duì)象在相同屬性值下的相異程度，強(qiáng)化了類內(nèi)的相似性。
　　 (5)結(jié)合改進(jìn)的相異度度量方法，提出了一種改進(jìn)的k-modes聚類算法。通過(guò)實(shí)驗(yàn)對(duì)提出的新方法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的k-modes聚類方法和Ng提出的k-modes聚類算法相