混合屬性聚類算法的研究及應(yīng)用.pdf

1、聚類算法是指按照“物以類聚，人以群分”的思想，將數(shù)據(jù)集劃分成簇，使得簇內(nèi)樣本之間的相似性盡可能的大，同時，簇與簇之間的相似性盡可能的小。聚類算法已經(jīng)在工程學(xué)、經(jīng)濟學(xué)、社會科學(xué)等領(lǐng)域得到廣泛的應(yīng)用。現(xiàn)有的大多數(shù)聚類算法只能處理數(shù)值屬性或分類屬性，無法滿足現(xiàn)實數(shù)據(jù)挖掘的需求，而且，處理混合屬性的聚類算法雖然已經(jīng)得到研究，但是存在著一些問題：混合屬性之間的相似性測量不合理；混合屬性之間可能存在冗余信息。
　　針對上述問題，本文在研究分析

2、了現(xiàn)有的聚類算法的基礎(chǔ)上，提出了基于特性比較的混合屬性聚類算法和基于主成分分析的混合屬性聚類算法，并使用UCI數(shù)據(jù)集通過實驗驗證了算法的有效性。論文的主要內(nèi)容如下：
　　首先，介紹了聚類分析的意義、研究現(xiàn)狀和聚類分析的五個維度，并且，著重從相似性度量和算法思想兩個角度對現(xiàn)有的聚類算法進行了分類。
　　其次，研究了現(xiàn)有的混合屬性聚類算法的缺點，針對現(xiàn)有的混合屬性相似性度量方法無法處理多概念之間重疊的問題，本文基于提出的特性比較

3、函數(shù)，設(shè)計了新的混合屬性相似性度量方法，結(jié)合劃分式思想設(shè)計了混合屬性聚類算法，通過實驗驗證了算法的可行性。
　　再次，針對混合屬性數(shù)據(jù)集中的數(shù)據(jù)集冗余問題，在綜合分析了現(xiàn)有的相關(guān)性計算方法之后，提出了分類屬性與數(shù)值屬性相關(guān)性計算方法，通過創(chuàng)建混合屬性相關(guān)矩陣對混合屬性數(shù)據(jù)集進行了主成分分析，進而提出了基于主成分分析的改進混合屬性聚類算法并通過實驗驗證了算法的正確性。
　　最后，對改進的混合屬性聚類算法進行了實際應(yīng)用。針對客戶