基于概率保真度的聚类分析算法及应用.docVIP

基于概率保真度的聚类分析算法及应用 　　摘要：聚类分析是数据挖掘的主要任务之一，而现有的聚类分析算法大多基于传统的相似性度量方法。该文在研究相似性度量的理论基础上，提出了一种新的相似性度量方法，该方法包含两个部分：总量相似度和结构相似度，进而提出了基于概率保真度的聚类分析算法，并通过实例分析证明该算法是合理可行的。 　　关键词：聚类分析；数据标准化；相似性度量；概率保真度；教学质量评价 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）30-6700-05 　　1 概述 　　在信息处理过程中，聚类分析[1]是一种常用且非常重要的方法，其的基本思想是用相似性尺度来衡量事物之间的亲疏程度，并以此来实现聚类，即一个类中的对象相似性大，不同类中的对象相似性小。聚类分析的实质就是根据研究对象本身的属性来构造相似矩阵，在此基础上根据一定的阈值来确定其分类关系，其主要步骤包括确定对象统计指标与数据标准化、标定距离以建立相似矩阵、聚类和聚类结果评估[2，3]。 　　聚类分析方法多种多样，按不同标准可分为不同的类型，按照聚集规则大致可分为层次化聚类法、划分式聚类法、基于密度和网格的聚类法和其他聚类法[4]。聚类分析方法已广泛应用于社会的各个领域，如：语音识别[5]、字符识别[6]、图像分割[7]、信息检索[8]等，聚类分析的研究有助于各个领域的发展，进一步探讨聚类分析算法及其应用是十分必要的。该文的目的在于引入一种新的相似性度量方法，并且将它应用于层次聚类法中。 　　2 基于概率保真度的相似性度量 　　建立相似矩阵又称为标定，即标出衡量被分类对象间相似程度的统计量[rij]。建立相似矩阵是聚类分析算法中的关键步骤，传统度量相似性的方法主要有相似系数法、距离法、主观评分法、夹角余弦法等。下面介绍一种新的相似性度量方法来建立相似矩阵。 　　（4） 　　3.1数据的标准化处理 　　实际中的数据通常具有不同的性质和量纲，有些变量的绝对值大些，有些变量的绝对值小些，因此，直接使用原始数据进行计算，就会突出了那些绝对值大的变量，而压低了那些绝对值小的变量。所以，为了使原始数据能够适合聚类的要求，需要将原始数据矩阵做标准化处理，即做适当的数据变换和压缩，以方便后面的处理。 　　3.4 聚类 　　根据相似度越大的对象越先聚集在一起的原则进行聚类，具体步骤如下： 　　1） 找出[Rm]中的非对角线上的最大元素，设这个最大元素是[rpq]，将该最大元素所对应的行[Tp]和列[Tq]代表的对象合并为一类[Tt={p，q}]；计算WP矩阵中[Tp]和[Tq]两行的平均值作为该类[Tt]的重心，计算公式为：[wt=wp+wq2]，[ptk=ppk+pqk2，（k=1，2，…n）]；计算新类[Tt]与其他未聚合类的相似度。 　　2） 在[Rm]中消去[Tp]和[Tq]所对应的行和列，并加入由新类[Tt]与剩下的其他未聚合的类的相似度所组成的一行和一列，得到一个新的相似矩阵[Rm-1]。 　　3） 从[Rm-1]出发重复上述步骤，直至[m]个样品聚为一个大类为止。 　　4 算法的应用 　　5 结束语 　　本文在研究相似性度量的理论基础上，提出了一种新的相似性度量方法，该方法包含两个部分：总量相似度和结构相似度，并在此基础上探索了基于概率保真度的聚类分析方法。该文中的相似性度量方法还可以进一步应用到动态聚类法、划分式聚类法和其他聚类法中去，希望本文的结果能为进一步探讨聚类分析算法有所帮助。 　　参考文献： 　　[1] Jain A K，Dubes R C.Algorithms for clustering data[M].Prentice Hall Advanced Reference Series，1988，1-334. 　　[2] Jain A K，Murty M N，Flynn P J.Data clustering： Areview[J].ACM computing Surveys， 1999，31（3）：264-323. 　　[3] Sambasivam S，Theodosopoulos N.Advanced Data Clustering Methods of Mining Web Documents[J]Issues in Informing Science and Information Technology，2006（3）： 563-567. 　　[4] 孙吉贵，刘杰，赵连宇.聚类算法研究[J].软件学报，2008，9（1）：48-61. 　　[5] 王迎庆.利用分级模糊聚类分析自动识别语音[J].计算机学报，1989， 12（2）：134-139. 　　[6] 黄文杰.基于