基于加权向量提升的多尺度聚类挖掘算法-JoS-slz.docVIP

基于加权向量提升的多尺度聚类挖掘算法( 苏东海1+，赵书良1，苏嘉庚1，李妍1 1(河北师范大学 计算机科学系，石家庄 450016) Weight Vector Based Multi-Scale Clustering Algorithm SU Dong-Hai1+, ZHAO Shu-Liang1, SU Jia-Geng1, LI Yan1 1(Department of Computer Science, Hebei Normal University, Shijiazhuang 450016, China) +Corresponding author: Phn: +86-13-785196270, E-mail: d.h_sue@, Abstract: Multi-scale clustering plays an important role in Multi-scale Decision Making, which cannot be replaced, while almost of the traditional multi-scale clustering algorithm have encountered the same deadly problem, applying clustering algorithms on every scale which is interesting. To anti the problem occurred, this paper does some works as followings: Considering the 3rd approach of multi-scale mining: multi-scale convert of knowledge, with the help of scale convert in Earth Science and a skilled way of vectorization of multi-scale, algorithm WVB-MSCA(weight vector based multi-scale clustering algorithm) is presented. WVB-MSCA applies clustering algorithm on the basic scale which is selected in advance, and inverses the knowledge gained on basic scale to other scale which is interested. Experimental results show that algorithm WVB-MSCA is practicable and effective. Key words: multi-scale; scale convert; clustering data mining; multi-scale clustering 摘 要: 多尺度聚类挖掘在指导人们进行多尺度决策方面有着不可取代的作用, 然而传统的多尺度聚类挖掘算法都遇到了一个致命的弱点, 即需要在每一个用户感兴趣的尺度上应用聚类挖掘算法. 为克服这种问题, 本文做了以下的研究工作: 定义了一种将数据的多尺度特性进行向量化的方法, 结合地学领域的尺度转换机制, 依据多尺度挖掘的第三种途径: 知识的多尺度转换, 提出了一种新的基于加权向量提升的多尺度聚类挖掘算法WVB-MSCA(Weight Vector Based Multi-Scale Clustering Algorithm). 该算法首先在选定的基准尺度上应用聚类算法, 获取聚类结果, 并借助尺度转换机制将基准尺度的聚类结果反演到其它感兴趣的尺度上. 实验表明, 基于加权向量提升的多尺度聚类挖掘算法WVB-MSCA是可行和有效的. 关键词: 多尺度; 尺度转换; 聚类挖掘; 多尺度聚类 中图法分类号: TP301　　　文献标识码: A 基于加权向量提升的多尺度聚类挖掘算法 基于加权向量提升的多尺度聚类挖掘算法 960 1 相关工作 962 1.1 多尺度数据挖掘 962 1.2 传统的多尺度聚类挖掘算法 962 2 WVB-MSCA算法思想及相关定义 963 2.1 多尺度数据中尺度的定义及其向量表示 963 2.1.1 尺度的相关定义 963 2.1.2 尺度的向量表示 963 2.2 WVB-MSCA算法 964 2.2.1 WVB-MSCA算法描述 964 2.2.2 算法中需要解决的两个问题 965 3 实验及分析 966 3.1 H省流动人口的多尺度聚类挖掘模