投影聚類算法及其應(yīng)用的研究.pdf

1、隨著聚類分析的應(yīng)用領(lǐng)域日益擴(kuò)展，越來越多高維的、混合類型屬性數(shù)據(jù)需要處理。然而現(xiàn)有的大部分算法要么只能對(duì)低維數(shù)據(jù)有效，要么只能處理某一種特定類型的數(shù)據(jù)。針對(duì)這兩個(gè)矛盾，對(duì)高維的、三種混合類型(二元型，類別型，數(shù)值型)屬性數(shù)據(jù)的聚類算法做了一些研究。 首先，基于密度的分組方法(DGM)將數(shù)據(jù)集中每一維的數(shù)值型數(shù)據(jù)分別離散化，用區(qū)間標(biāo)號(hào)替代其實(shí)際的數(shù)據(jù)值。然后，將數(shù)據(jù)集中所有有效數(shù)據(jù)統(tǒng)一編號(hào)，轉(zhuǎn)化成一個(gè)類別型數(shù)據(jù)集，去掉空缺值并添加

2、事務(wù)標(biāo)識(shí)符后成為一個(gè)事務(wù)數(shù)據(jù)庫(kù)。在定義了最長(zhǎng)頻繁閉項(xiàng)集(LFCI)的概念后，利用LFCI的兩個(gè)關(guān)鍵屬性，即(1)LFCI最大地覆蓋了事務(wù)；(2)LFCI能夠作為事務(wù)的描述，可將具有相同LFCI的事務(wù)歸為一簇。為了適應(yīng)聚類的要求，對(duì)傳統(tǒng)的頻繁模式樹(FP-樹)從三個(gè)方面進(jìn)行了改造，并詳細(xì)敘述了改造FP-樹的創(chuàng)建。分析挖掘LFCI的過程后，更新FP-樹以降低空間復(fù)雜度；根據(jù)LFCI的特點(diǎn)，導(dǎo)出無(wú)效樹的剪切策略以降低時(shí)間復(fù)雜度，給出的LFCI

3、-增長(zhǎng)方法挖掘出每個(gè)事務(wù)的LFCI。從事務(wù)的多個(gè)LFCI中，選取一個(gè)作為該事務(wù)的描述，插入到定義的簇樹中。每一個(gè)從根節(jié)點(diǎn)到鏈接有事務(wù)標(biāo)識(shí)符的節(jié)點(diǎn)即為一個(gè)簇，其路徑中的項(xiàng)對(duì)應(yīng)于相關(guān)維，事務(wù)標(biāo)識(shí)符對(duì)應(yīng)于相關(guān)點(diǎn)。以上過程被總結(jié)成一個(gè)對(duì)高維混合屬性數(shù)據(jù)的聚類框架，它本質(zhì)上是投影聚類方法。 為了驗(yàn)證聚類框架的性能，在模擬數(shù)據(jù)集上做了基于最長(zhǎng)頻繁閉項(xiàng)集的算法(CA-LFCI)的伸縮性，對(duì)高維數(shù)據(jù)處理，對(duì)不同類型屬性處理，健壯性等方面的實(shí)驗(yàn)。