不確定空間數(shù)據(jù)聚類方法的研究.pdf

1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域中的一個重要分支，在分析數(shù)據(jù)內(nèi)部結(jié)構(gòu)方面有著重要的應(yīng)用。聚類分析是一種無監(jiān)督學(xué)習(xí)的分類過程，旨在將沒有標(biāo)記的樣本數(shù)據(jù)通過算法自動劃分為有意義的組或簇。當(dāng)數(shù)據(jù)分到同一組中時，所有樣本數(shù)據(jù)的內(nèi)部結(jié)構(gòu)相似度很高；當(dāng)數(shù)據(jù)分到不同組時，數(shù)據(jù)內(nèi)部結(jié)構(gòu)的相似度很低。聚類分析技術(shù)能夠快速的發(fā)現(xiàn)樣本數(shù)據(jù)的分布情況，而且可以揭示空間樣本的分布規(guī)律，預(yù)測空間樣本對象的發(fā)展趨勢等。
　　針對聚類分析技術(shù)，本文的主要研究了如下幾部分內(nèi)

2、容：
　　首先，針對UK-means算法在處理不確定數(shù)據(jù)時對孤立點非常敏感，而且事先必須已知不確定數(shù)據(jù)的分布函數(shù)或概率密度，然而這在實際中往往很難獲得等問題，提出了基于區(qū)間數(shù)的PAM不確定聚類算法：U-PAM；此外，基于U-PAM算法和CH聚類有效性指標(biāo)函數(shù)對聚類結(jié)果分析，確定最佳聚類數(shù)。
　　其次，介紹了基于傳統(tǒng)DBSCAN聚類算法的UM-DEBSCAN聚類算法，該算法將傳統(tǒng)的DBSCAN聚類算法和區(qū)間數(shù)相結(jié)合，利用統(tǒng)計學(xué)