聚類融合算法及其在移動通信企業(yè)的應(yīng)用.pdf

1、聚類，作為數(shù)據(jù)挖掘技術(shù)研究的熱點之一，受到越來越多的關(guān)注。聚類的主要任務(wù)就是把數(shù)據(jù)集劃分成有意義或有用的組。隨著數(shù)據(jù)庫技術(shù)的飛速發(fā)展，各行各業(yè)中的信息數(shù)據(jù)也急劇地增長，而且數(shù)據(jù)的類型也由單一的數(shù)值型、文本型逐漸轉(zhuǎn)變成混合型，這就對聚類分析技術(shù)提出了新的要求。從已有的文獻(xiàn)來看，能有效處理混合型數(shù)據(jù)的算法相對較少?；谶@一現(xiàn)狀，本文重點研究了面向混合型數(shù)據(jù)的聚類融合算法，同時對其在移動通信行業(yè)中的應(yīng)用進(jìn)行了探討。 本文對已有的算法進(jìn)

2、行了研究比較之后，提出了一種基于圖的聚類融合算法--GCE算法。該算法選取能處理混合型數(shù)據(jù)的k-prototypes算法和CBL算法作為聚類成員進(jìn)行融合，以圖為基礎(chǔ)，利用圖中頂點和邊的權(quán)值設(shè)置來確定數(shù)據(jù)點之間的聯(lián)系，通過數(shù)據(jù)點之間共享最近鄰數(shù)來確定融合函數(shù)。通過公共數(shù)據(jù)集上的實驗，結(jié)果表明該算法不僅能很好地處理混合型屬性數(shù)據(jù)，而且得到比單一算法更為優(yōu)越的結(jié)果。此外，本文還分析了4種聚類成員差異性度量與融合準(zhǔn)確度之間的關(guān)系，實驗結(jié)果表明成