聚類分析在科學(xué)數(shù)據(jù)挖掘中的應(yīng)用研究.pdf

1、如何讓各種數(shù)據(jù)挖掘技術(shù)更好地為實(shí)際工程所服務(wù)，一直是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)挑戰(zhàn)。一方面是人們對快速、準(zhǔn)確而全面獲取信息的渴望，而另一方面卻是各種信息的紛繁蕪雜，在這兩者之間架設(shè)一座橋梁的確是一個(gè)巨大的挑戰(zhàn)。聚類分析在數(shù)據(jù)挖掘技術(shù)中占有重要的位置。所謂聚類，是將一個(gè)數(shù)據(jù)單位的集合(數(shù)據(jù)源)分割成幾個(gè)稱為類或類別的子集，每個(gè)類內(nèi)的對象之間是相似的，但不同類的對象間區(qū)別相對較大。聚類分析是在沒有先驗(yàn)知識支持的前提下，根據(jù)事物本身的特性研究被聚類對

2、象的類別劃分，實(shí)現(xiàn)滿足這種要求的類的聚合，它所依據(jù)的原則是使同一類中的對象具有盡可能大的相似性，而不同類中的對象具有盡可能大的差異性。 論文基于大規(guī)模核物理科學(xué)數(shù)據(jù)挖掘的背景，全面介紹了數(shù)據(jù)挖掘的關(guān)鍵技術(shù)和主要任務(wù)，從理論、算法和應(yīng)用三個(gè)層次，結(jié)合科學(xué)數(shù)據(jù)的特點(diǎn)來分析預(yù)處理技術(shù)和聚類方法，提出了很多實(shí)用的預(yù)處理方法：對HDF5科學(xué)數(shù)據(jù)進(jìn)行分塊、除噪、集成、變換等，同時(shí)對它使用“截?cái)喾ā焙汀爸饘忧蟛罘ā边M(jìn)行規(guī)約，并對數(shù)據(jù)進(jìn)行信息提

3、取。在聚類方面，經(jīng)過比較各種聚類算法和分析科學(xué)數(shù)據(jù)的特點(diǎn)，提出了結(jié)合k一平均思想的改進(jìn)型系統(tǒng)聚類算法。此聚類算法有如下特點(diǎn)：能生成具有代表性的數(shù)據(jù)簇中心；使用相似系數(shù)計(jì)算距離，避免了距離受量綱影響的缺點(diǎn)；不需要多次迭代計(jì)算，減少了計(jì)算量；不需要指定初始中心；改進(jìn)了聚類圖，更容易得出聚類閥值。實(shí)驗(yàn)結(jié)果表明這種改進(jìn)的系統(tǒng)聚類算法非常適合科學(xué)數(shù)據(jù)的處理。 本文最后簡單介紹了我們開發(fā)的科學(xué)數(shù)據(jù)挖掘系統(tǒng)。其中重點(diǎn)介紹了聚類分析模塊的設(shè)計(jì)和