分類數(shù)據(jù)聚類邊界檢測技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的迅猛發(fā)展,人類社會進入了信息時代。信息時代的一個顯著的特點就是人們所面對的信息和對信息的需求劇增。如何從這些信息中獲取有用的知識是人們需要解決的一個問題。數(shù)據(jù)挖掘技術(shù)可以較好的滿足人們對信息提煉的需求。聚類是數(shù)據(jù)挖掘中一個重要的分支,而聚類邊界檢測是對聚類的進一步的細化。聚類邊界是一個新興的研究方向具有廣泛地應用前景,可應用于生物學、傳染病學、統(tǒng)計學、基因工程等多個領域。聚類邊界是具有多個聚類特征的數(shù)據(jù)對象,對

2、這類數(shù)據(jù)對象的研究具有實用價值。例如：進行產(chǎn)品市場調(diào)查時,可以通過對這類對公司產(chǎn)品感興趣但并沒有成為公司消費者的被調(diào)查者的信息特征進行分析,并相應調(diào)整公司營銷策略來爭取這類顧客,比盲目的爭取那些對公司產(chǎn)品沒有絲毫興趣的消費者的成功率要高得多。
　　 本文針對現(xiàn)有聚類邊界算法中的以下兩個方面進行相關(guān)研究并取得相應的成果,具體如下：⑴針對目前對聚類邊界的研究主要集中在對數(shù)值類型數(shù)據(jù)的聚類邊界的檢測而尚未對分類數(shù)據(jù)聚類邊界進行相關(guān)研究

3、的問題,本文對分類數(shù)據(jù)聚類邊界進行了相關(guān)研究。給出了表征分類數(shù)據(jù)對象同所屬類親疏關(guān)系邊界度定義和分類數(shù)據(jù)聚類邊界的形式化定義,利用證據(jù)積累的思想提出了一種針對分類數(shù)據(jù)的聚類邊界檢測算法——CBORDER。在多個真實數(shù)據(jù)集上的實驗結(jié)果表明算法可以有效的提取高維分類數(shù)據(jù)集中聚類的邊界。⑵針對現(xiàn)有算法對邊界的提取精度不高和不能有效去除噪聲的缺點,結(jié)合BRIM算法中的正、負半鄰域思想和EDGE算法中的聯(lián)合熵的思想的基礎上提出了一種新的聚類邊界檢