聚类分析中若干关键技术地研究.pdf

基础提出了加权GMDD算法。通过对GMDD算法及加权GMDD算法的研究分析，指 出了它们存在的可能无法有效收敛的现象，并提出了一种基于划分的解决方法， 该方法通过GMDD聚类与普通划分交叉进行，从而有效避免了由于对称性等原因 引起的无法收敛的情况，最后通过仿真实验验证了该方法的有效性。 第五章研究了切换回归模型的聚类算法。首先介绍了硬c一划分算法和模糊 c一回归模型算法，分别讨论了它们各自的优缺点，然后在此基础上提出了模糊 闽值(fuzzythreshold)的概念。通过对每个数据的隶属度与模糊阈值的比较 来确定该数据的模糊属性，由此可以将硬c一划分算法和模糊c一回归模型算法有 机地统一起来，并通过调节模糊阈值的大小使算法满足不同的实际应用的需要。 实验表明，模糊阈值的引入增强了对切换回归模型聚类的效率。本文还提出了 两种解决切换回归模型聚类中噪音问题的方法。一种是以已有的聚类算法为基 础，通过对其聚类结果不断的修正来消除噪音数据的影响；另一种是基于影响 函数的聚类算法，通过影响函数来修正每个数据对应的隶属度，从而达到消除 噪音数据影响的效果。同时分别通过实验证明了这两种方法对噪音数据的处理 效果。 第六章对论文进行了总结，介绍了本文的主要内容及主要贡献，并对进一 步的研究和需要完善的问题提出了看法。 关键词数据挖掘，聚类分析，模糊聚类，高斯混合模型，切换回归模型，噪 音 浙江大学博士论文 Abstract Abstract in a several DiscoveryDatabase(KDD)isinvolving Knowledge specialprocess of includedata mining，and steps，which cleansing，dataknowledgepresentation，to extract andunderstandable or valid，novel，useful ultimatelyknowledge potentially fiom of isaniterative of database patterns byusinglearningalgorithm．It process man-machineconversation．DataistheessentialofKDD，where mining step and methodsare inordertoextractdata visualize intelligent applied patterns，explain data results astrees，tables， mining byknowledgerepresentationtechniques，such rules，graphs． Cluster isoneofthemost isthe analysis importantfunctions，andclustering aset orabstract intoclassesofsimila