基于密度調(diào)整和流形距離的近鄰傳播算法及其應(yīng)用研究.pdf

1、隨著存儲成本的降低，海量數(shù)據(jù)不斷涌現(xiàn)，大型數(shù)據(jù)庫越來越多，數(shù)據(jù)挖掘技術(shù)備受眾多領(lǐng)域的關(guān)注。聚類技術(shù)作為數(shù)據(jù)挖掘的主要任務(wù)之一，在沒有先驗(yàn)信息的情況下，從海量數(shù)據(jù)中挖掘出潛在的價值信息，為企業(yè)和政府決策提供了有效的依據(jù)。
　　近鄰傳播聚類算法（Affinity Propagation，AP）作為無監(jiān)督學(xué)習(xí)領(lǐng)域極具競爭力的聚類分析技術(shù)，已經(jīng)被廣泛應(yīng)用到很多領(lǐng)域。盡管如此，AP算法還有許多不足之處，本文針對AP算法在構(gòu)造相似度矩陣時對復(fù)

2、雜結(jié)構(gòu)數(shù)據(jù)敏感因而聚類效果不理想的缺陷，提出一種基于密度調(diào)整和流形距離的近鄰傳播算法。該算法將“領(lǐng)域密度”和“流形理論”的思想引入近鄰傳播算法，利用基于密度調(diào)整和流形的距離更好地刻畫了樣本空間的真實(shí)分布狀況，解決了相似度矩陣不能充分表示數(shù)據(jù)之間內(nèi)在關(guān)系的問題，在一定程度上提高了近鄰傳播聚類算法的聚類效果。本文通過在人工數(shù)據(jù)集和標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對比，驗(yàn)證了算法的有效性和優(yōu)越性。
　　除此之外，本文構(gòu)建了一個農(nóng)業(yè)干旱等級評價模型，