數(shù)據(jù)挖掘聚類算法課程設(shè)計(jì)報(bào)告

1、數(shù)據(jù)挖掘聚類問(wèn)題(Plants Data Set)實(shí)驗(yàn)報(bào)告1. 1.數(shù)據(jù)源描述 數(shù)據(jù)源描述1.1 1.1 數(shù)據(jù)特征 數(shù)據(jù)特征本實(shí)驗(yàn)用到的是關(guān)于植物信息的數(shù)據(jù)集，其中包含了每一種植物(種類和科屬)以及它們生長(zhǎng)的地區(qū)。數(shù)據(jù)集中總共有 68 個(gè)地區(qū)，主要分布在美國(guó)和加拿大。一條數(shù)據(jù)(對(duì)應(yīng)于文件中的一行)包含一種植物(或者某一科屬)及其在上述 68 個(gè)地區(qū)中的分布情況?？梢赃@樣理解，該數(shù)據(jù)集中每一條數(shù)據(jù)包含兩部分內(nèi)容，如下圖所示。圖 1 數(shù)據(jù)格

2、式例如一條數(shù)據(jù):abronia fragrans,az,co,ks,mt,ne,nm,nd,ok,sd,tx,ut,wa,wy。其中 abronia fragrans 是植物名稱(abronia 是科屬，fragrans 是名稱)，從 az 一直到 wy 是該植物的分布區(qū)域，采用縮寫形式表示，如 az 代表的是美國(guó) Arizona 州。植物名稱和分布地區(qū)用逗號(hào)隔開(kāi)，各地區(qū)之間也用逗號(hào)隔開(kāi)。1.2 1.2 任務(wù)要求 任務(wù)要求聚類。采用聚類

3、算法根據(jù)某種特征對(duì)所給數(shù)據(jù)集進(jìn)行聚類分析，對(duì)于聚類形成的簇要使得簇內(nèi)數(shù)據(jù)對(duì)象之間的差異盡可能小，簇之間的差距盡可能大。2. 2.數(shù)據(jù)預(yù)處理 數(shù)據(jù)預(yù)處理2.1 2.1 數(shù)據(jù)清理 數(shù)據(jù)清理所給數(shù)據(jù)集中包含一些對(duì)聚類過(guò)程無(wú)用的冗余數(shù)據(jù)。數(shù)據(jù)集中全部數(shù)據(jù)的組織結(jié)構(gòu)是：先給出某一科屬的植物及其所有分布地區(qū)，然后給出該科屬下的具體植物及其分布地區(qū)。例如：?abelmoschus,ct,dc,fl,hi,il,ky,la,md,mi,ms,nc,sc

4、,va,pr,vi?abelmoschus esculentus,ct,dc,fl,il,ky,la,md,mi,ms,nc,sc,va,pr,vi?abelmoschus moschatus,hi,pr上述數(shù)據(jù)中第?行給出了所有屬于 abelmoschus 這一科屬的植物的分布地區(qū)，接下來(lái)的??兩行分別列出了屬于 abelmoschus 科屬的兩種具體植物及其分布地區(qū)。從中可以看出后兩行給出的所有地區(qū)的并集正是第一行給出的地區(qū)植物名稱

5、 植物名稱(科屬 科屬+名稱 名稱) 分布區(qū)域 分布區(qū)域}} elsethis.isFileExit = false;return raw_dataSet;}// getRaw_DataSet,從本地 txt 文件獲取數(shù)據(jù)集public ArrayList getFinished_DataSet() {// 獲取經(jīng)過(guò)預(yù)處理，用來(lái)進(jìn)行聚類的數(shù)據(jù)ArrayList finished_DataSet = new ArrayList()

6、;ArrayList temp_DataSet = this.getRaw_DataSet();for (int i = 0; i eachRomItem = null;eachRomItem = this.spilt(temp_DataSet.get(i), ',');// 除去“,“后的每一行數(shù)據(jù)DataItem data_Item = new DataItem(eachRomItem, true);fin

7、ished_DataSet.add(data_Item);}// forreturn finished_DataSet;}public boolean isRightData(String data) {// 篩選出合適的數(shù)據(jù)ArrayList tempArrayList = new ArrayList();tempArrayList = spilt(data, ' ');if (tempArrayList.size()

8、 spilt(String str, char ch) {ArrayList words = new ArrayList();// 用來(lái)存放找到的單詞int beginIndex = 0;for (int i = 0; i < str.length(); i++) {if (str.charAt(i) != ch) {if (i != str.length() - 1)continue;else {words.add(str.s