面向分類型集值數(shù)據(jù)的層次聚類算法研究.pdf

1、聚類作為一種無監(jiān)督的學(xué)習(xí)方式，是數(shù)據(jù)挖掘、模式識(shí)別領(lǐng)域的重要研究方向之一，對(duì)于探索和發(fā)現(xiàn)數(shù)據(jù)中潛在的自然分組結(jié)構(gòu)和感興趣的關(guān)系至關(guān)重要。目前，已有的聚類算法在算法效率和聚類質(zhì)量方面都獲得了良好的表現(xiàn)，并廣泛地應(yīng)用在模式識(shí)別、數(shù)據(jù)挖掘、圖像處理、市場(chǎng)調(diào)研等領(lǐng)域。
　　然而，傳統(tǒng)的聚類算法的輸入大都是一對(duì)一的對(duì)象屬性矩陣，在實(shí)際應(yīng)用中，每個(gè)屬性經(jīng)常有多個(gè)取值，例如，在作電影評(píng)價(jià)時(shí)，同一用戶對(duì)不同的電影有不同的評(píng)分；同一地區(qū)不同時(shí)刻下，

2、天氣的各項(xiàng)指標(biāo)存在多個(gè)取值且有很大差異。新的數(shù)據(jù)表示模式的出現(xiàn)對(duì)原有的聚類算法和挖掘理論提出新的挑戰(zhàn)，因而發(fā)展適用于新的數(shù)據(jù)表示模式的聚類算法就非常有意義。
　　本文稱在一個(gè)屬性上有多個(gè)取值的對(duì)象為集值對(duì)象，并對(duì)面向集值數(shù)據(jù)的層次聚類算法做出深入研究，主要內(nèi)容包括：
　?。?）提出了面向集值數(shù)據(jù)的聚類相似性度量模型，運(yùn)用層次聚類算法的思想，實(shí)現(xiàn)了面向集值數(shù)據(jù)的層次聚類算法，并通過實(shí)驗(yàn)和可視化技術(shù)直觀驗(yàn)證了聚類算法的有效性。<

3、br>　?。?）基于面向集值數(shù)據(jù)的層次聚類算法，提出了分類型集值數(shù)據(jù)的演化聚類分析算法，探索數(shù)據(jù)隨時(shí)間的發(fā)展變化規(guī)律，生成演化路徑圖，為事務(wù)的分析和預(yù)測(cè)提供理論支持，并在真實(shí)數(shù)據(jù)上驗(yàn)證了該算法的有效性和實(shí)用性。
　?。?）利用MATLAB的GUI平臺(tái)，設(shè)計(jì)并實(shí)現(xiàn)了面向集值數(shù)據(jù)的層次聚類算法實(shí)驗(yàn)系統(tǒng)，實(shí)現(xiàn)了人機(jī)交互的友好性。該系統(tǒng)的主要功能包括：數(shù)據(jù)的預(yù)處理、輸入聚類個(gè)數(shù)、集值數(shù)據(jù)的層次聚類算法、聚類結(jié)果的可視化、時(shí)間序列數(shù)據(jù)的聚類