層次聚類算法的改進(jìn).pdf

1、聚類分析作為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要技術(shù)，被廣泛的應(yīng)用于醫(yī)療診斷、圖像處理、信息檢索、數(shù)據(jù)壓縮和機(jī)器視覺(jué)等多個(gè)領(lǐng)域，其發(fā)展前景越來(lái)越受人們的關(guān)注。近年來(lái)隨著信息化時(shí)代的到來(lái)，人們所接觸到收集到的數(shù)據(jù)量越來(lái)越大，信息中所隱藏的信息也越來(lái)越復(fù)雜，人們迫切希望找到一種簡(jiǎn)單高效的聚類算法來(lái)對(duì)數(shù)據(jù)進(jìn)行提取分析，因此對(duì)于聚類分析算法的研究具有重要的實(shí)際意義。
　　在目前的各類聚類算法中，層次聚類以其簡(jiǎn)單的邏輯原理以及準(zhǔn)確的聚類結(jié)果，得到了人們的

2、廣泛應(yīng)用。但是該算法對(duì)數(shù)據(jù)中的孤立點(diǎn)較為敏感，不能很好的處理含有孤立點(diǎn)的數(shù)據(jù)集，此外該算法由于需要重復(fù)的進(jìn)行相似度計(jì)算，從而導(dǎo)致了較高的時(shí)間復(fù)雜度和空間復(fù)雜度，使其不適用于大規(guī)模數(shù)據(jù)處理。本文主要針對(duì)層次聚類算法的以上不足，進(jìn)行了如下兩個(gè)方面的研究：
　?。?）針對(duì)層次聚類算法對(duì)孤立點(diǎn)敏感的不足，提出一種基于能量場(chǎng)的改進(jìn)算法EFHC（Energy Field Hierarchical Clustering），該算法將引力場(chǎng)的概念引

3、入到孤立點(diǎn)的檢測(cè)中，將數(shù)據(jù)中的每個(gè)點(diǎn)看成引力場(chǎng)中具有一定能量值的能量點(diǎn)，根據(jù)數(shù)據(jù)點(diǎn)與孤立點(diǎn)場(chǎng)能的不同，識(shí)別出場(chǎng)能較低的孤立點(diǎn)，并將其去除，該算法可以有效的去除數(shù)據(jù)集中的孤立點(diǎn)，提高聚類的精確性。
　?。?）針對(duì)層次聚類算法計(jì)算復(fù)雜度過(guò)高的不足，提出一種新的基于數(shù)據(jù)切分的改進(jìn)算法DHC（Divide Hierarchical Clustering），將大規(guī)模數(shù)據(jù)分塊切分為小規(guī)模數(shù)據(jù)，然后對(duì)小數(shù)據(jù)塊逐一進(jìn)行聚類處理，得到每塊數(shù)據(jù)中的代