基于SEAM算法的集成聚類及在文本應用中的研究.pdf

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

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)越的結果，但集成聚類遠未達到成熟的地步，如關鍵參數的確定、共識函數的設計等問題。在前人工作的基礎上，本文所做的工作如下： 1．在深入了解集成聚類算法的基礎上，設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、得到數據集的多個聚類結果，即得到聚類成員的集體；然后根據聚類成員的集體，得到可以反映原數據集分布的一個相似矩陣；最后，將SEAM算法應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用領域之一文本挖掘進行了研究。將文中所提出的ESEAM算法應用于文本中，并對實驗結果做了分析。 由于集成聚類算法可以集成多個聚類算法得到的結果，而在給定相似矩陣的情況下，SEAM算法可以自動