聚類評(píng)價(jià)的研究與應(yīng)用.pdf

1、聚類是數(shù)據(jù)挖掘中一項(xiàng)重要的研究課題，在數(shù)據(jù)挖掘、模式識(shí)別、統(tǒng)計(jì)數(shù)據(jù)分析、自然語(yǔ)言理解等領(lǐng)域都有廣泛的應(yīng)用前景。聚類評(píng)價(jià)指標(biāo)對(duì)衡量一個(gè)聚類的優(yōu)劣有著重要作用，聚類評(píng)價(jià)可以檢測(cè)聚類的結(jié)果是否符合“同組數(shù)據(jù)相似，不同組數(shù)據(jù)不相似”的要求。現(xiàn)有的聚類評(píng)價(jià)指標(biāo)通常都基于統(tǒng)計(jì)理論或模糊理論。受到基礎(chǔ)理論的限制，在一些特殊場(chǎng)合，這些指標(biāo)不能對(duì)聚類進(jìn)行正確的評(píng)估。本文提出了一個(gè)通用的聚類評(píng)價(jià)指標(biāo)。通過(guò)把相似性定義成數(shù)據(jù)集上的二元關(guān)系，聚類被描述成Kri

2、pke 結(jié)構(gòu)。用原子公式表示每個(gè)簇，聚類的結(jié)果可以用一組邏輯公式來(lái)表示。根據(jù)最小描述長(zhǎng)度原則，聚類評(píng)價(jià)指標(biāo)由這種表示方式的準(zhǔn)確性和復(fù)雜性構(gòu)成。由于這種新的評(píng)價(jià)指標(biāo)對(duì)相似性沒(méi)有任何附加的限制，它較之現(xiàn)有的評(píng)價(jià)指標(biāo)更為通用，因?yàn)槟切┲笜?biāo)往往都默認(rèn)了某種相似性度量方式。本文還通過(guò)實(shí)驗(yàn)對(duì)新舊指標(biāo)進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，這種新的評(píng)價(jià)指標(biāo)在一般情況下與大多數(shù)評(píng)價(jià)指標(biāo)一致，而在一些類似“雙環(huán)”
　　 的特殊情況下比現(xiàn)有評(píng)價(jià)方式更有效。

3、>　　 航班延誤一直是困擾航空公司和旅客的一大難題。航班延誤預(yù)警近年來(lái)成為研究的熱點(diǎn)。
　　 每個(gè)航班的記錄可以看成是一個(gè)樣本，估算各個(gè)樣本的概率分布函數(shù)對(duì)于航班延誤預(yù)警很重要。
　　 根據(jù)數(shù)據(jù)挖掘基本理論，樣本不能太小，然而在實(shí)際應(yīng)用中很難獲得足夠大的樣本。有時(shí)太嚴(yán)格的收集樣本條件會(huì)導(dǎo)致存在許多相似的小樣本，如果放寬收集樣本的條件，這些相似的小樣本就可能被合并。因此，從兩個(gè)根據(jù)相似性來(lái)將數(shù)據(jù)分組的過(guò)程開(kāi)始，合并小樣本