引力聚类及其应用的研究.pdfVIP

摘要 摘要 数据挖掘是近年来热门的计算机应用技术，聚类是数据挖掘中重要的研究分 支。聚类技术是将未分类的样本，通过其相似度进行分类，使得类簇内部样本间 相似度最大，而不同类簇间相似度最小，从而发现数据集的特性和内部模式。然 而，一些数据集的结构和分布呈现高度复杂性，数据挖掘也为聚类带来了大量亟 待解决的问题。因此，聚类分析方法进一步研究的空间还很大。 层次聚类方法是一种常用的聚类算法，通过分解目标数据集来创建一个层次。 按照层次的分解方向，它分为自下而上(凝聚方法)和自上而下(分裂方法)两 种类型。 覆盖算法是构造型学习算法，通过找到一组覆盖，使得属于同一类的样本属 于同一覆盖，不同类的样本不属于同一覆盖。覆盖聚类算法借鉴覆盖算法的构造 性思想，找出一组覆盖，使得属于同一覆盖的样本间距离较小，不同覆盖间的样 本间距离较大。我们生活的宇宙，从最初的宇宙大爆炸，宇宙所有的物质都处于 混沌状态中，杂乱无章。由于万有引力的作用，使得宇宙中的物质相互吸引、靠 近，进而融合形成了星系，恒星，行星等天体。这一过程和数据聚类过程极为相 似，都是从最初混沌，通过对混沌中的个体进行某种聚类运算，最终得到结构清 晰的聚类结果。