基于混合數(shù)據(jù)的譜聚類算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們?cè)谏钪挟a(chǎn)生了大量的數(shù)據(jù)。傳統(tǒng)的聚類算法多是針對(duì)單一屬性類型的數(shù)據(jù)，而在很多領(lǐng)域數(shù)據(jù)的屬性類型是混合型的，傳統(tǒng)的聚類算法很難去處理它們。譜聚類算法源于譜圖理論，算法有很強(qiáng)的理論基礎(chǔ)，算法不用預(yù)設(shè)初始聚類中心，并能尋求到全局最優(yōu)解。由于譜聚類算法的諸多優(yōu)點(diǎn)，本文在譜聚類算法的基礎(chǔ)上，改進(jìn)譜聚類算法的距離度量模型，使其能夠處理混合數(shù)據(jù)，本文主要研究?jī)?nèi)容如下。
　　本文首先研究了混合數(shù)據(jù)的相似度量問題，然后改進(jìn)

2、了傳統(tǒng)譜聚類算法的相似度量函數(shù)。傳統(tǒng)的譜聚類算法只能處理數(shù)值屬性的數(shù)據(jù)，本文在譜圖理論的基礎(chǔ)上對(duì)混合數(shù)據(jù)建立一個(gè)相似性度量，把混合數(shù)據(jù)作為無向圖上的頂點(diǎn)，數(shù)據(jù)之間的相似性關(guān)系則映射為頂點(diǎn)之間邊的權(quán)值，通過對(duì)圖的劃分尋找聚類最優(yōu)解。在構(gòu)造相似矩陣的時(shí)候，算法充分考慮了混合數(shù)據(jù)的特性，首先構(gòu)建數(shù)值屬性和分類屬性的相異度量，然后在此基礎(chǔ)上建立相似度量。利用譜聚類算法能獲得全局最優(yōu)解的特點(diǎn)，解決了傳統(tǒng)混合數(shù)據(jù)聚類算法易陷入局部最優(yōu)解的問題，通過

3、UCI數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，通過對(duì)實(shí)驗(yàn)結(jié)果的分析，驗(yàn)證了算法的有效性。
　　其次本文研究了混合數(shù)據(jù)的距離度量問題，分析了混合距離模型存在的一些問題，然后改進(jìn)了譜聚類算法的距離度量函數(shù)。經(jīng)典的混合數(shù)據(jù)聚類算法k-prototypes算法，雖然簡(jiǎn)單高效，但是算法易受初始聚類中心影響，算法不穩(wěn)定。本文在 k-prototypes算法的混合數(shù)據(jù)距離模型的基礎(chǔ)上提出了一個(gè)基于概率方法的混合距離模型，改進(jìn)了譜聚類算法的相似度量函數(shù)，使其能夠處理混合

4、數(shù)據(jù)聚類問題。此算法解決了 k-prototypes算法不穩(wěn)定的問題，但是在提出的混合距離模型中存在一個(gè)超參數(shù)需要人工選定。通過實(shí)驗(yàn)分析，此參數(shù)對(duì)最終的聚類效果有很大的影響。針對(duì)混合距離模型中分類屬性的超參數(shù)需要人為選取的問題，根據(jù)粗糙集和信息熵理論，提出了一個(gè)自確定權(quán)值的方法。粗糙集理論是一種分析系統(tǒng)不確定性和不完整性的數(shù)學(xué)方法。本文將其與信息熵結(jié)合，為每一個(gè)分類型屬性賦予一個(gè)權(quán)值，并結(jié)合基于概率的混合距離模型，提出了自動(dòng)確定權(quán)值的譜