數據挖掘聚類算法課程設計報告

1、數據挖掘聚類問題(Plants Data Set)實驗報告1. 1.數據源描述 數據源描述1.1 1.1 數據特征 數據特征本實驗用到的是關于植物信息的數據集，其中包含了每一種植物(種類和科屬)以及它們生長的地區(qū)。數據集中總共有 68 個地區(qū)，主要分布在美國和加拿大。一條數據(對應于文件中的一行)包含一種植物(或者某一科屬)及其在上述 68 個地區(qū)中的分布情況?？梢赃@樣理解，該數據集中每一條數據包含兩部分內容，如下圖所示。圖 1 數據格

2、式例如一條數據: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 Arizona 州。植物名稱和分布地區(qū)用逗號隔開，各地區(qū)之間也用逗號隔開。1.2 1.2 任務要求 任務要求聚類。采用聚類

3、算法根據某種特征對所給數據集進行聚類分析，對于聚類形成的簇要使得簇內數據對象之間的差異盡可能小，簇之間的差距盡可能大。2. 2.數據預處理 數據預處理2.1 2.1 數據清理 數據清理所給數據集中包含一些對聚類過程無用的冗余數據。數據集中全部數據的組織結構是：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上述數據中第?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 文件獲取數據集public ArrayList getFinished_DataSet() {// 獲取經過預處理，用來進行聚類的數據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“,“后的每一行數據DataItem data_Item = new DataItem(eachRomItem, true);fin

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

8、 spilt(String str, char ch) {ArrayList words = new ArrayList();// 用來存放找到的單詞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