版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、聚類分析是數(shù)據(jù)挖掘研究中重要的方法之一,它在發(fā)現(xiàn)數(shù)據(jù)內在結構特征方面有著重要作用。聚類是一種無監(jiān)督的學習方法,它已經廣泛應用在模式識別、商務智能、圖像分析、信息檢索和生物信息學等眾多領域。
現(xiàn)在已有很多種成熟的聚類算法,包括劃分聚類和層次聚類等。然而這些方法大部分都需要人為的提供像聚類類簇數(shù)這樣的參數(shù),比如,劃分聚類需要預先知道聚類的類簇數(shù),層次聚類需要知道聚類的終止點,此外還有基于網(wǎng)格聚類需要預先知道網(wǎng)格大小的閾值參數(shù)等
2、等。然而這樣的參數(shù)在實際應用中是很難得到的,這就大大的限制了聚類分析在現(xiàn)實中的應用。因此,對一個給定系統(tǒng)進行聚類時,一個基本而困難的問題就是如何確定聚類類簇數(shù)。
為了數(shù)據(jù)驅動地確定聚類數(shù),一個好的聚類有效性指標(CVI: ClusterValidity Index)是必不可少的,它可以用來評價在聚類過程中得到的聚類結果(Clustering Result)的好壞。Yao等人提出的決策粗糙集模型對于分類有更好的理解,它是一個
3、典型的概率型粗糙集模型,引入了貝葉斯理論來獲得最小損耗的決策。
本文通過擴展決策粗糙集模型提出了一種在層次聚類算法框架下的自動確定聚類數(shù)的新方法。首先,我們擴展了決策粗糙集模型,用代價(risk)的概念來描述對象之間的關系,進而描述聚類結果的好壞。而以這個代價作為描述某個聚類結果的聚類有效性評價指標,在文中稱為基于DTRS的聚類有效性函數(shù)。然后,根據(jù)此評價函數(shù),基于凝聚型層次聚類算法框架,將聚類過程中的每個聚類結果的代價值
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于決策粗糙集的面向知識自動聚類及應用研究.pdf
- 基于粗糙集的聚類算法研究.pdf
- 基于粗糙集理論的聚類研究.pdf
- 基于粗糙集和遺傳算法的聚類方法研究.pdf
- 基于魚群與粗糙集的聚類算法研究.pdf
- 基于蜂群和粗糙集的聚類算法研究.pdf
- 基于粗糙集的決策樹分類方法研究.pdf
- 決策系統(tǒng)約簡的粗糙集方法研究.pdf
- 基于粒計算和粗糙集的聚類算法研究.pdf
- 基于粗糙集的模糊聚類及其圖像分割應用.pdf
- 基于粗糙集的聚類算法及應用研究.pdf
- 基于粗糙集的類別數(shù)據(jù)聚類算法研究.pdf
- 基于粒子群和粗糙集的聚類算法研究.pdf
- 基于粗糙集理論的不確定信息系統(tǒng)及其決策研究.pdf
- 基于概念格與粗糙集的Web文本聚類研究.pdf
- 基于粗糙集的SCM方法.pdf
- 基于決策樹和粗糙集的分類方法研究
- 34347.模糊環(huán)境下基于決策粗糙集的決策方法研究
- 基于決策粗糙集模型的多類代價敏感學習研究.pdf
- 基于直覺模糊粗糙集模型的多屬性決策方法.pdf
評論
0/150
提交評論