聚類分析中的特征選擇研究.pdf

1、聚類分析是機器學習和數(shù)據(jù)挖掘中的重要工具，在發(fā)現(xiàn)數(shù)據(jù)中的隱含知識和識別數(shù)據(jù)內(nèi)在結(jié)構(gòu)方面有著重要的作用。迅猛發(fā)展的計算機技術(shù)、網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫技術(shù)使得數(shù)據(jù)的采集、傳輸和存儲更為便利和快捷，從而形成了大量類型復(fù)雜、結(jié)構(gòu)多樣的高維海量數(shù)據(jù)，其帶來數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性使得當前特征選擇算法和機器學習算法難以收到較好的結(jié)果，迫切需要發(fā)展適應(yīng)大規(guī)模數(shù)據(jù)的準確性和運行效率等綜合性能較好的、新的特征選擇算法以及機器學習算法。因此，為了有效的進行模式分類和聚類

2、分析，特征降維就顯得尤為重要。
　　本文針對大規(guī)模數(shù)據(jù)聚類分析中的特征選擇方法研究開展了較為深入的研究，主要內(nèi)容如下:
　　(1)針對當前大規(guī)模數(shù)據(jù)處理中遇到的問題進行分析，對當前在聚類分析中的特征選擇算法進行總結(jié)分類。針對特征和類別之間的關(guān)系，引入一種鄰域度量方式，給出了一個度量特征聚類能力的評價指標。
　　(2)針對分類型數(shù)據(jù)，運用新的特征評價指標，結(jié)合啟發(fā)式搜索策略，提出了一種特征選擇算法，通過與傳統(tǒng)的聚類分析算