基于改进的CLARANS算法在数据挖掘中的研究.docVIP

基于改进的CLARANS算法在数据挖掘中的研究 第3O卷第3期中南林业科技大学 2010年3月JournalofCentralSouthUniversityofForestryamp;Tec— hnol — ogy Vo1.3ONO.3 Mar.2010 基于改进的CLARANS算法在数据挖掘中的研究 李光字 (湖南财经高等专科学校现代教育技术中心,湖南长沙410205) 摘要:数据挖掘的目的是把人T智能,机器学习,神经网络,统计学,模式识别与数据库等技术结合起来,由计 算机自动从已有数据中发现未知的,具有潜在应用价值的信息或模式,解决数据量很大,而知识贫乏的矛盾.通 过聚类,能够识别密集的和稀疏的区域,发现全局的分布模式和数据属性之间有趣的相互关系.在充分继承 CIARANS算法原有的优点基础h,利用遗传算法对CIARANS算法进行改进,提高了聚类效率. 关键词:数据挖掘;聚类;遗传算法;CIARANS 中图分类号:TP399文献标志码:A文章编号:l673—923X(2010)03—0142—05 ResearchofdataminingbasedonimprovedCLARANSalgorithm LIGuangyu (ModemEducationTechnologyCenter,HunanCollegeofFinanceandEconomic,Changsha410205,Hunan,China) Abstract:Thetargetofdataminingisfindingtheunknownandvaluableinformationorpatternhiddenindatabaseor datawarehouse,andresolvingthecontradictionbc[vveenlotsofdataandlessknowledge.Byclustering,wecandis— tinguishthedenseandsparsefield,andfindtherelationshipbetweendistributionpatternanddataattribution. BasedoninheritingtheexcellenceofC1ARANS.weimprovedCIARANSefficiencybyusingGA. Keywords:datamining;clustering;geneticalgorithm;CIARANS 数据挖掘是多门学科和多种技术相结合的产 物,也是一个非常年轻而义活跃的研究领域.数据 挖掘的目的是把人1一智能,机器学习,神经网络,统 计学,模式识别与数据库等技术结合起来,由计算 机自动从已有数据(数据库或数据仓库)中发现未 知的,具有潜在应用价值的信息或模式,解决数据 量很大,而知识贫乏的矛盾.面对海量的资料,首 要的任务是将它合理的归类.否则,在许多情况 下,问题不是没有模式被发现,而是模式太多了. 而聚类就是将数据合理归类的一种方法,它把分类 对象按一定的规则分组或类,这些组或类不是事先 给定的,而是根据数据特征而定的.在数据挖掘 中,聚类分析能作为一个独立的丁具来获得数据分 布的情况,观察每个簇的特点,集中对特定的某些 簇做进一步的分析.此外,聚类分析还可以作为其 它算法(如特征和分类等)的预处理步骤,这些算法 再在生成的簇上进行处理. lCLARANS算法的研究 CLARANS将采样技术与PAM结合起来, CLARANS没有在任一给定的时间局限于任一样 本,而是在搜索的每一步带一定随机性地抽取一个 样本. CIARANS算法过程可以用一个图来进行抽 象.].给定l1个对象,找到k个聚类中心点的过程 可以看做是一个在特定的图G内搜索的过程. 每个结点都可以表示成k个中心点 收稿日期:2O10一一01—04 作者简介:李光宇(1958),男.湖南长沙人.T=程师,主要从事计算机网络,教育技术的研究;Email:hncsl@163.com 第3O卷中南林业科技大学143 {一(z,…,0}的一种组合,因此G中的每个 结点可以看做是集合{{(.,…,0}lo一, 是选取的是个中心点}]. 定义1如果G中2个结点S一 {,.,…,)和S.一{,,…,(}仅在 位置i处相异,即 f0一0,(≠) 【0≠,(.J=一i) 则s和s.称为邻居,这也可以表示成IsnS.f一 是一1.由此可以看出G中每个结点有志×(n一是) 个邻居.因为每个结点都表示成是个中心点的一 种组合形式,那么每个结点也就代表着一种聚类 的解]. 定义2按照每个S结点所提供的聚类中心 点,可以将数据集进行聚类,每个记录到其所在簇 的中心点的相异度的和称做该结点S的代价. 通常使用距离来衡量两个对象间的相异度.