基于不確定數(shù)據(jù)的聚類(lèi)算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展和廣泛應(yīng)用，人類(lèi)社會(huì)在各個(gè)方面比如醫(yī)療衛(wèi)生、教育、社交網(wǎng)站、商場(chǎng)和購(gòu)物網(wǎng)站等領(lǐng)域每時(shí)每刻都產(chǎn)生大量的數(shù)據(jù)。但是，由于物理測(cè)量的限制、周?chē)h(huán)境的干擾等因素，使得數(shù)據(jù)存在缺失、異常等情況，從而使得數(shù)據(jù)具有不確定性。不確定數(shù)據(jù)作為其中一種涌現(xiàn)出來(lái)的新型數(shù)據(jù)，近年來(lái)在各個(gè)研究領(lǐng)域獲得廣泛關(guān)注。
　　聚類(lèi)分析是數(shù)據(jù)挖掘中的重要技術(shù)，廣泛應(yīng)用在商務(wù)智能、信息檢索、隱私保護(hù)和文本分析等領(lǐng)域。聚類(lèi)就是將數(shù)據(jù)對(duì)象分組成為多個(gè)簇

2、，使得同一個(gè)簇中的數(shù)據(jù)對(duì)象之間具有較高的相似度，不同簇中的數(shù)據(jù)對(duì)象之間具有較高的相異度。以往的聚類(lèi)算法主要針對(duì)確定性數(shù)據(jù)，不能直接適用于不確定數(shù)據(jù)，如何有效的處理不確定數(shù)據(jù)成為一個(gè)重要的研究課題。
　　本文的主要研究工作與貢獻(xiàn)如下：
　　1.針對(duì)數(shù)據(jù)挖掘的研究背景和意義、目標(biāo)與內(nèi)容、國(guó)內(nèi)外研究現(xiàn)狀做簡(jiǎn)要的介紹，并對(duì)不確定數(shù)據(jù)及其相關(guān)研究進(jìn)行闡述；重點(diǎn)介紹數(shù)據(jù)挖掘中的重要技術(shù)—聚類(lèi)，包括聚類(lèi)的定義及模型、相似性度量方式、一些具

3、有代表性的聚類(lèi)算法等；然后闡述相關(guān)的不確定數(shù)據(jù)聚類(lèi)研究，為本文的主要工作做理論鋪墊。
　　2.傳統(tǒng)的聚類(lèi)算法一般針對(duì)確定性數(shù)據(jù)，因而無(wú)法解決不確定數(shù)據(jù)的聚類(lèi)問(wèn)題。現(xiàn)有基于密度的不確定數(shù)據(jù)聚類(lèi)算法存在對(duì)參數(shù)過(guò)于敏感且計(jì)算效率較低的問(wèn)題。本文在引進(jìn)新的不確定性數(shù)據(jù)相異度函數(shù)、最優(yōu)k近鄰、局部密度和互包含關(guān)系概念的基礎(chǔ)上，提出了解決不確定數(shù)據(jù)聚類(lèi)問(wèn)題的OLUC算法。OULC算法不僅降低了參數(shù)敏感性，提高了計(jì)算效率，且具有動(dòng)態(tài)自適應(yīng)優(yōu)化k

4、近鄰、快速發(fā)現(xiàn)聚類(lèi)中心和除噪優(yōu)化的能力。實(shí)驗(yàn)結(jié)果表明，本算法對(duì)無(wú)論是否存在噪聲的不確定數(shù)據(jù)集都具有聚類(lèi)有效性，并達(dá)到良好的聚類(lèi)效果。
　　3.鑒于現(xiàn)有算法缺乏從時(shí)序演化角度解決不確定數(shù)據(jù)流聚類(lèi)問(wèn)題，提出一種基于近鄰傳播的不確定數(shù)據(jù)流演化聚類(lèi)算法EAP-UStream。考慮不確定數(shù)據(jù)流在線形成微簇時(shí)的變化因素對(duì)離線聚類(lèi)的影響，提出不確定微簇變化率的概念。從不確定數(shù)據(jù)流演化的角度衡量微簇之間的相似程度，提出不確定微簇關(guān)聯(lián)度的概念，并以