收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于粒计算的聚类算法研究

贾瑷玮  
【摘要】:把单个数据对象集合划分为相类似的样本组成的多个簇或多个类的过程,这就叫聚类。聚类的目的是:将数据空间中的所有对象分别划分到不同的类簇中,较近距离的对象划分到相同的类中,较远距离的对象划分到不同的簇中。 聚类分析经常被作为一种数据的预处理的过程被应用于许多的应用当中,它是更深一步的进行数据分析、数据处理的基础。人们通过最合理的、有效的方式对数据空间进行聚类分析,进而来认识和探索事物之间存在的内在的联系,而且,它也可以应用到关联规则等一些分析算法的预处理步骤当中。现在,聚类分析被广泛的应用于各个领域,如气象分析、图像处理等等这些需要进行数据处理的领域。 随着现代科技水平的不断提高、网络的迅猛发展、计算机技术的不断改革和创新,大批量的数据不断涌现。怎样从这些数据中提取有意义有价值的信息成为人们一直关注的问题。随着各种新问题的不断出现,对聚类分析技术处理数据的能力的要求越来越高,该技术面临的挑战可谓是一个接一个。要想将这些新出现的问题统统解决掉,只有一个方法,那就是将聚类算法再改进,以便于处理这些问题。于是,各种各样的新聚类算法应运而生,当然也包括基于划分的聚类算法,这些算法在实际的应用中都取得了期望的效果。 由于现实世界中的信息很不精确,也不确定,更不完整,甚至很模糊,这就使得不确定性推理的应用显得重要无比。因为粒计算比较符合人类对问题求解的客观的规律,又能够涵盖模糊集、粗糙集理论等较多的领域,所以,在处理模糊、不确定知识的时候,在用知识来进行推理的时候,粒计算具有强大的优势、潜力。 本文在聚类分析、粒计算理论国内外研究现状的基础上,介绍了聚类的定义及聚类算法的种类,详细阐述了K-均值聚类算法和K-中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。将粒子、层次的概念给出,又介绍了等级、结构的定义,对有关粒计算的一些基本的问题做了简要说明,对涉及粒计算的3个主要的计算模型进行了简单的描述,对粒度原理在聚类中的运用进行了重点阐述,根据粒度分析的原理,给出了聚类算法的新框架。本文的特色:提出了2种新的算法,即:2种新的确定最佳的初始中心的K-medoids聚类算法,对2种算法的思路及算法的步骤做了详细阐述,先是在人工模拟的数据集上对算法进行仿真的实验,后又通过UCI机器学习数据库的标准数据集上对2种算法进行实验,证明了2种算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谢娟英;马箐;谢维信;;一种确定最佳聚类数的新算法[J];陕西师范大学学报(自然科学版);2012年01期
2 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期
3 于慧娟;崔军;毋晓志;李伟;;一种改进的凝聚图聚类方法[J];山西煤炭管理干部学院学报;2010年03期
4 于剑,程乾生;模糊聚类方法中的最佳聚类数的搜索范围[J];中国科学E辑:技术科学;2002年02期
5 崔军;郭春艳;贾宗维;;一种连通非加权图的快速聚类方法[J];计算机工程与应用;2008年07期
6 岳清华;郑刚;;一种动态心电图波形聚类策略的研究[J];天津理工大学学报;2008年01期
7 王士同;陈晓峰;曹苏群;钟富礼;;基于力的类同传播聚类方法[J];江南大学学报(自然科学版);2009年04期
8 张逸清;刘文才;;聚类数的确定[J];计算机与数字工程;2007年02期
9 程慈;柴瑞敏;;聚类数的自动确定[J];科技信息(科学教研);2008年14期
10 刘燕驰;;基于密度的最佳聚类数确定方法[J];中国管理信息化;2011年09期
11 朱明;王俊普;;一种聚类学习的新方法[J];模式识别与人工智能;2000年03期
12 王洪春;彭宏;;一种基于熵的聚类算法[J];计算机科学;2007年11期
13 李晶;吴铁峰;戚常林;;一种新的软聚类方法在入侵检测中的应用[J];商场现代化;2006年18期
14 宋铭利;高新科;;基于距离排序的无参化算法探讨[J];拖拉机与农用运输车;2006年04期
15 杨静;高隽;徐小红;刘旭;;分层模糊最小-最大聚类算法[J];模式识别与人工智能;2007年04期
16 李闯;端木京顺;蔡忠义;高建国;;基于判断矩阵的专家模糊核聚类组合赋权方法[J];控制与决策;2012年09期
17 刘雷;王洪国;邵增珍;尹会娟;;一种基于蜂群原理的划分聚类算法[J];计算机应用研究;2011年05期
18 刘永芬;陈志安;;新的模糊核聚类入侵检测方法[J];计算机工程与应用;2012年32期
19 滕明贵;熊范纶;吴正龙;;一种对二维空间对象进行聚类的算法[J];模式识别与人工智能;2005年03期
20 崔宝珍;王泽兵;潘宏侠;;改进的FCM聚类算法[J];机械管理开发;2010年04期
中国重要会议论文全文数据库 前9条
1 高翠芳;吴小俊;;基于二阶差分的聚类数自动确定方法[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年
2 刘洋;江志纲;丁增喜;王大玲;鲍玉斌;于戈;;一种基于图的聚类算法GB-Cluster[A];第十九届全国数据库学术会议论文集(技术报告篇)[C];2002年
3 李浪波;傅彦;刘红;;基于范例推理的网格和密度聚类算法[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
4 娄冬梅;陈明;朱有娜;;一种基于密度的无参数聚类算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
5 魏昕路;洪志令;姜青山;;一种基于样本缩减策略的新窗口式聚类算法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
6 程尊平;周鼎;王晨;周皓峰;汪卫;施伯乐;;SDPHC——基于密度的分割和分层的自校聚类算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
7 张晓峰;王丽珍;陆叶;;一种基于属性加权的不确定K-means聚类算法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
8 蔡军;袁华鹏;陈金海;施伯乐;;一种基于相似性分析的聚类新算法:PDS算法[A];第十八届全国数据库学术会议论文集(研究报告篇)[C];2001年
9 胡仲义;郭超;王永炎;刘胜航;王宏安;;基于时间衰减和特征变量的数据流聚类算法[A];第29届中国数据库学术会议论文集(B辑)(NDBC2012)[C];2012年
中国博士学位论文全文数据库 前10条
1 胡雅婷;可能性聚类方法研究及应用[D];吉林大学;2012年
2 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
3 周世兵;聚类分析中的最佳聚类数确定方法研究及应用[D];江南大学;2011年
4 杨燕;基于计算智能的聚类组合算法研究[D];西南交通大学;2006年
5 冯永;基于计算智能的聚类技术及其应用研究[D];重庆大学;2006年
6 刘晨;高伸缩性聚类分析方法研究[D];哈尔滨工程大学;2013年
7 王强;局部叠加基因表达模式聚类分析方法研究[D];哈尔滨工业大学;2012年
8 尹学松;半监督聚类分析策略设计及其拓展性研究[D];南京航空航天大学;2009年
9 白亮;聚类学习的理论分析与高效算法研究[D];山西大学;2012年
10 刘丽敏;选择性聚类融合算法研究[D];中南大学;2013年
中国硕士学位论文全文数据库 前10条
1 陈奇明;基于投票策略聚类融合算法的研究和实现[D];安徽工业大学;2010年
2 高昇;基于密度聚类算法的改进方法研究[D];大连理工大学;2007年
3 吴书;类属型数据的聚类算法研究[D];厦门大学;2007年
4 谢信喜;符号聚类新方法的研究及应用[D];江南大学;2008年
5 黄海超;基于领域知识的半监督聚类算法研究[D];北京化工大学;2009年
6 朱国红;基于特征点选择的聚类算法研究与应用[D];山东大学;2010年
7 晏寒冰;结构聚类分析方法及应用研究[D];江南大学;2014年
8 张斌;基于模糊核聚类的基因芯片数据的研究[D];燕山大学;2010年
9 盛荣芬;聚类融合算法及其在移动渠道管理中的应用[D];中南大学;2011年
10 何堃;基于聚类的用户特征分析[D];扬州大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978