基于密度調(diào)整和流形距離的近鄰傳播算法及其應用研究.pdf

1、隨著存儲成本的降低，海量數(shù)據(jù)不斷涌現(xiàn)，大型數(shù)據(jù)庫越來越多，數(shù)據(jù)挖掘技術備受眾多領域的關注。聚類技術作為數(shù)據(jù)挖掘的主要任務之一，在沒有先驗信息的情況下，從海量數(shù)據(jù)中挖掘出潛在的價值信息，為企業(yè)和政府決策提供了有效的依據(jù)。
　　近鄰傳播聚類算法（Affinity Propagation，AP）作為無監(jiān)督學習領域極具競爭力的聚類分析技術，已經(jīng)被廣泛應用到很多領域。盡管如此，AP算法還有許多不足之處，本文針對AP算法在構造相似度矩陣時對復

2、雜結構數(shù)據(jù)敏感因而聚類效果不理想的缺陷，提出一種基于密度調(diào)整和流形距離的近鄰傳播算法。該算法將“領域密度”和“流形理論”的思想引入近鄰傳播算法，利用基于密度調(diào)整和流形的距離更好地刻畫了樣本空間的真實分布狀況，解決了相似度矩陣不能充分表示數(shù)據(jù)之間內(nèi)在關系的問題，在一定程度上提高了近鄰傳播聚類算法的聚類效果。本文通過在人工數(shù)據(jù)集和標準數(shù)據(jù)集上進行實驗對比，驗證了算法的有效性和優(yōu)越性。
　　除此之外，本文構建了一個農(nóng)業(yè)干旱等級評價模型，