基于SEAM算法的集成聚類及在文本應(yīng)用中的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫技術(shù)的快速發(fā)展，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生。聚類分析是數(shù)據(jù)挖掘中的重要分支之一，是一種數(shù)據(jù)劃分的重要手段和方法。聚類的應(yīng)用是非常廣泛的，無論是在商務(wù)領(lǐng)域，還是在生物學(xué)、Web文檔分類、圖像處理等其它領(lǐng)域，都得到了有效的應(yīng)用。 雖然有些聚類算法已經(jīng)得到了廣泛應(yīng)用，但由于一般聚類分析算法對數(shù)據(jù)集都有諸多的限制，所以很難找到一種算法適合所有的數(shù)據(jù)集。由此，聚類集成算法應(yīng)運而生。聚類集成是將多個對同一組對象的不同劃分進(jìn)行合

2、并，而不使用對象原有的特征。實驗證明，該方法能夠得到比單一算法更為優(yōu)越的結(jié)果，但集成聚類遠(yuǎn)未達(dá)到成熟的地步，如關(guān)鍵參數(shù)的確定、共識函數(shù)的設(shè)計等問題。在前人工作的基礎(chǔ)上，本文所做的工作如下： 1．在深入了解集成聚類算法的基礎(chǔ)上，設(shè)計出一種新的集成聚類算法，基于SEAM（Squared Error Adjacent Matrix）算法的集成聚類，簡稱為ESEAM算法（Ensemble method based on SEAM）。首先

3、得到數(shù)據(jù)集的多個聚類結(jié)果，即得到聚類成員的集體；然后根據(jù)聚類成員的集體，得到可以反映原數(shù)據(jù)集分布的一個相似矩陣；最后，將SEAM算法應(yīng)用在這個相似矩陣中，得到最終的聚類劃分。文中通過實驗驗證了該算法的有效性。 2．本文還對聚類分析的應(yīng)用領(lǐng)域之一文本挖掘進(jìn)行了研究。將文中所提出的ESEAM算法應(yīng)用于文本中，并對實驗結(jié)果做了分析。 由于集成聚類算法可以集成多個聚類算法得到的結(jié)果，而在給定相似矩陣的情況下，SEAM算法可以自動