層次聚類算法的研究及應(yīng)用.pdf

1、聚類分析是數(shù)據(jù)挖掘中的一個重要研究領(lǐng)域，是一種數(shù)據(jù)劃分或分組處理的重要手段和方法。聚類分析已被廣泛應(yīng)用于統(tǒng)計學(xué)、機器學(xué)習(xí)、空間數(shù)據(jù)庫、生物學(xué)以及市場營銷等領(lǐng)域。聚類算法可以分為基于劃分的方法、基于層次的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。 層次聚類算法和基于劃分的Kmeans聚類算法是實際應(yīng)用中聚類分析的支柱，算法簡單、快速而且能有效地處理大數(shù)據(jù)集。針對層次聚類算法的高計算性，本文通過對聚類對象間的距離進(jìn)行排序

2、來避免合并類時重新計算類間距離，降低算法的計算復(fù)雜性，使算法的可伸縮性更好。為了克服層次聚類算法的某一次合并或分裂后不能更改對象所屬的類的缺點，本文利用層次聚類的聚類結(jié)果，利用其類結(jié)構(gòu)，計算其中心點并將它作為Kmeans算法的初始聚類中心，從而避免了Kmeans初始聚類中心隨機選擇所導(dǎo)致的聚類結(jié)果的隨機性的缺點，并且對對象的所屬類別加以修正，提高聚類的準(zhǔn)確率。 最后，本文探討了改進(jìn)算法在徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)分類器設(shè)計中的