基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf

1、近年來，數(shù)據(jù)挖掘逐漸成為研究的熱點。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)知識，源于諸如數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)倉庫、統(tǒng)計學、機器學習、數(shù)據(jù)可視化、信息檢索和高性能計算。獲取的信息和知識可以廣泛用于各種應用，包括商務管理、生產(chǎn)控制、市場分析、工程設計和科學探索等。 聚類就是將數(shù)據(jù)對象分組成為多個類或簇，在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。聚類是數(shù)據(jù)挖掘的一個活躍的研究領域，對聚類的研究與實現(xiàn)具有重要的理論與實踐意義。

2、 本文研究數(shù)據(jù)挖掘中的聚類算法。針對現(xiàn)有的聚類算法中存在的問題，提出了幾個新穎的算法。本文的主要貢獻和創(chuàng)新工作包括： 1)為提高密度聚類算法效率并處理非空間屬性約束，提出了基于網(wǎng)格和密度的聚類算法(GDBS)。GDBS具有密度算法的優(yōu)點，也就是能發(fā)現(xiàn)各種形狀的聚類并能屏蔽噪聲點，而且執(zhí)行效率還明顯優(yōu)于密度算法。 2)研究了CHAMELEON算法，剖析了在類間密度相差不是特別大時，該算法不能作出正確聚類的原因。通過實

3、驗發(fā)現(xiàn)嚴格k-最臨近集(SKNN<'k>)比一般的k-最臨近集(KNN<'k>)更能反映數(shù)據(jù)集密度的變化。 3)引入SKNN<'k>和LIN<'k>，用新的SIM(A，B)作為相似度指標代替RI(A，B)，對CHAMELEON作了一種改進。本算法可以很好的區(qū)分不同密度、形狀和大小的類，并且抗噪能力較好。算法對參數(shù)的選擇也不是很敏感。 4)基于嚴格最近鄰和共享最近鄰的思想，提出一種新的相似度標準，并設計出一種新的SKNN聚