基于K-距離的孤立點(diǎn)和聚類算法研究.pdf

1、從大型數(shù)據(jù)集中發(fā)現(xiàn)有趣的，有用的且預(yù)先未知的知識(shí)的過(guò)程被稱為數(shù)據(jù)挖掘。數(shù)據(jù)挖掘又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是數(shù)據(jù)庫(kù)研究最活躍的領(lǐng)域之一。通過(guò)數(shù)據(jù)挖掘可以從大型數(shù)據(jù)集中提取可信、新穎、有效并易于理解的知識(shí)、規(guī)律或高層信息。這給人們?cè)谛畔r(shí)代所積累的海量數(shù)據(jù)賦予了新的意義。隨著數(shù)據(jù)挖掘技術(shù)的迅速發(fā)展，作為其重要組成部分，聚類分析和孤立點(diǎn)檢測(cè)技術(shù)已經(jīng)廠泛應(yīng)用于模式識(shí)別、數(shù)據(jù)分析、圖象處理、市場(chǎng)研究等許多領(lǐng)域。聚類及孤立點(diǎn)檢測(cè)算法研究已經(jīng)成為數(shù)據(jù)挖

2、掘研究領(lǐng)域中非?；钴S的一個(gè)研究課題。 本文介紹了數(shù)據(jù)挖掘理論，對(duì)聚類及孤立點(diǎn)檢測(cè)算法進(jìn)行了深入地分析研究。在分析了基于密度的聚類算法和基于密度的孤立點(diǎn)算法的基礎(chǔ)上，提出了基于局部孤立系數(shù)的孤立點(diǎn)檢測(cè)和基于局部孤立系數(shù)的聚類算法；基于K-距離因子和增強(qiáng)的K-距離因子的孤立點(diǎn)檢測(cè)算法。 本文使用VisualC++6.0實(shí)現(xiàn)了基于局部孤立系數(shù)的聚類算法、基于局部孤立系數(shù)的孤立點(diǎn)算法、基于K-距離因子的孤立點(diǎn)算法、增強(qiáng)的K-距離

3、因子的孤立點(diǎn)算法、LOF算法、RDBKNN算法。在綜合數(shù)據(jù)集上和真實(shí)數(shù)據(jù)集上做了大量的對(duì)比實(shí)驗(yàn)來(lái)驗(yàn)證孤立點(diǎn)算法的正確性，在綜合數(shù)據(jù)集上驗(yàn)證孤立點(diǎn)算法的效率；在綜合數(shù)據(jù)集上、真實(shí)數(shù)據(jù)集上和多密度數(shù)據(jù)集上驗(yàn)證基于局部孤立系數(shù)的聚類算法的正確性，在綜合數(shù)據(jù)集上驗(yàn)證聚類算法的效率。 實(shí)驗(yàn)結(jié)果表明，基于局部孤立系數(shù)的聚類、基于局部孤立系數(shù)的孤立點(diǎn)、基于K-距離因子的孤立點(diǎn)、增強(qiáng)的K-距離因子的孤立點(diǎn)算法能夠準(zhǔn)確、有效的發(fā)現(xiàn)聚類和孤立點(diǎn)。聚