一般分布式與區(qū)間型符號數(shù)據(jù)的動態(tài)聚類分析研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的高速發(fā)展帶來了數(shù)據(jù)的極大豐富,然而傳統(tǒng)的聚類分析技術(shù)在面對如此龐大的樣本空間時存在著局限性。符號數(shù)據(jù)分析產(chǎn)生于上個世紀80年代,它是針對海量數(shù)據(jù)進行知識發(fā)現(xiàn)和規(guī)律挖掘的一套理論方法。聚類作為一種解釋復雜數(shù)據(jù)關(guān)系的技術(shù)在符號數(shù)據(jù)分析領(lǐng)域有著廣泛的應用。但現(xiàn)有符號數(shù)據(jù)聚類分析的研究大多假設(shè)個體在區(qū)間內(nèi)服從均勻分布,這往往并不符合實際情況。針對此問題,本文對一般分布的分布式符號數(shù)據(jù)和區(qū)間型符號數(shù)據(jù)動態(tài)聚類方法展開研究。
　　

2、首先給出了兩種常用的符號數(shù)據(jù)的定義——分布式符號數(shù)據(jù)和區(qū)間型符號數(shù)據(jù),隨后對分布式符號數(shù)據(jù)的聚類分析進行了一些探索性研究,包括分布式符號數(shù)據(jù)的形成,一般分布情況下的距離度量,以及動態(tài)聚類算法等。以鳶尾屬植物數(shù)據(jù)集為例,將其分組形成符號對象,并在其上進行動態(tài)聚類分析研究,以說明本算法的實用性。
　　考慮區(qū)間數(shù)所包含個體的分布信息,基于Hausdorff距離提出了一種新的多維區(qū)間型符號數(shù)據(jù)距離度量?；诖?給出一般分布的區(qū)間型符號數(shù)據(jù)

3、動態(tài)聚類算法。通過隨機模擬試驗對文中方法進行有效性評價,結(jié)論表明,在各種實驗設(shè)計的條件下,考慮一般分布的動態(tài)聚類算法有效性均優(yōu)于均勻分布假設(shè)下的動態(tài)聚類算法。最后將文中方法應用于汽車的聚類分析,進一步體現(xiàn)了文中方法在解決實際問題中的優(yōu)勢。
　　本文針對多維分布式符號數(shù)據(jù)和區(qū)間型符號數(shù)據(jù)分別提出了動態(tài)聚類算法,并運用聚類有效性指標對其評價。應用研究結(jié)果表明,無論對于分布式符號數(shù)據(jù)或是區(qū)間型符號數(shù)據(jù),本文所提出的一般分布的前提條件下的