一般分布区间型符号数据的聚类分析方法探究.pdf

中文摘要 在现代社会中，互联网技术的快速发展带来信息大爆炸和数据的极大丰富， 然而传统的聚类分析方法面对庞大的样本空间时有两大局限性：其一，计算的 繁琐度和复杂度呈平方增长。其二，研究对象为样本点，焦点的分散导致难以 从整体上把握数据特性。符号数据分析方法通过“数据打包”，将数据性质从“点 数据”变为“符号对象”，从全局上把握符号对象的内在关系，挖掘深层次的规 律。 区间数是一种重要的符号数据类型。现有的关于区间数据的聚类分析的研 究均假定变量在区间内服从均匀分布，然而实际问题中常见非均匀分布的区间 数据，如正态分布。在现有的针对均匀分布区间数据聚类分析的研究成果基础 上，本论文以一般分布的区间型符号数据为研究对象，从区间变量的经验密度 函数入手，逐步推导了区间变量的均值和方差等描述性统计量，继而研究了区 间数据标准化问题；基于Hausdorff距离，定义了针对一般分布的区间型符号数 据聚类分析方法中符号对象或类之间的距离。在此基础上，进行了系统聚类分 析方法、Hierarchy．Pyramid聚类分析方法、模糊c均值聚类分析方法的研究。 针对著名的C2C电子商务网站淘宝商城中主营业务为美容护肤的客户，在中国 范围内选取十个有代表性的城市为符号对象，以客户客观发展状况相关指标为