高維海量數(shù)據(jù)聚類算法研究.pdf

1、作為數(shù)據(jù)挖掘中的一項(xiàng)重要技術(shù)，聚類分析具有廣泛的應(yīng)用領(lǐng)域。同時(shí)，聚類也是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)相對(duì)比較困難的問題，而高維數(shù)據(jù)集的聚類算法己成為當(dāng)前研究的熱點(diǎn)。由于“維度困擾”的存在，目前絕大多數(shù)算法在高維數(shù)據(jù)空間的情況下都無法得到理想的效果。此外，高維數(shù)據(jù)中含有的大量的隨機(jī)噪聲也會(huì)帶來額外的效率問題。目前，子空間聚類算法是對(duì)大規(guī)模、高維數(shù)據(jù)集聚類的有效方法之一。 本論文的研究工作著重分析了傳統(tǒng)聚類算法在處理大規(guī)模、高維數(shù)據(jù)集的困難和

2、問題，比較了高維數(shù)據(jù)集聚類方法的優(yōu)劣，從理論上論證了子空間聚類算法在處理大規(guī)模、高維數(shù)據(jù)集的優(yōu)勢(shì)。在此基礎(chǔ)上，進(jìn)一步對(duì)已有的子空間聚類算法ENCLUS進(jìn)行了分析，指出ENCLUS算法存在的若干不足，即：ENCLUS在劃分網(wǎng)格時(shí)沒有或者很少考慮數(shù)據(jù)的分布，而且可能稀疏網(wǎng)格中的數(shù)據(jù)點(diǎn)會(huì)錯(cuò)誤的作為孤立點(diǎn)處理，為此，我們?cè)谡撐难芯抗ぷ髦刑岢隽藘?yōu)化的基于網(wǎng)格的聚類算法(0GBS)，通過對(duì)網(wǎng)格進(jìn)行二分以得到平滑的類邊界，同時(shí)更好的防止了數(shù)據(jù)點(diǎn)的誤分