基于层次迭代思想的聚类算法的研究.pdfVIP

第 24 卷第 3 期 2011 年 05 月 唐山学院学报 Vol. 24 No.3 May.2011 Journal of Tangshan College 基于层次迭代思想的聚类算法的研究 彭宏玉1 ，柴旭光2 ，陈晓纪2 (1.唐山学院计算机系，河北唐山 063000 ， 2. 邢台职业技术学院信息工程系，洞北邢台 054000) 摘要:聚类分析是数据挖掘中的一个重要研究领域，是一种数据划分或分组处理的重要手段和方 法。通过基于迭代思想的聚类算法，可对给定的数据对象集合进行层次分解，最终将样本空间分类 成有聚类集合。 关键词:数据挖掘$聚类分析 s层次算法 中图分类号: TP301. 6 文献标识码 :A 文章编号 :1672 一 349X(2011)03 - 0086 - 02 The Clustering Algorithm of Level Lterated Theory PENG Hong-yu 1 ,CHAI Xu-guang 2 ,CHEN Xiao-W (1. Tangshan College , Tangshan 063000 , China , 2. Xingtai Polytechnic College , Xingtai 054000 ,China) Abstract: Cluster analysis is a major research field in data mining which also is an important means and method of data partitioning or grouping. Cluster algorithm can conduct the hierarchi- cal decomposition of given data sets and finally classify the sample spatial assortments into cluste- rmg sets. Key Woros: data mining; cluster analysis; hierarchical algorithm 。 引言 聚类是数据挖掘中的一种重要技术，是分析数据并从中 发现有用信息的一种有效手段。通过聚类，人们能够识别密 集和稀疏的区域，发现全局的分布模式以及数据属性之间有 趣的相互关系.聚类分析在客户分类、基因识另IJ 、 www 文 本分类、空间数据处理、卫星照片分析、医疗图像自动检测等 领域有着广泛的应用川，而其本身的研究也是一个蓬勃发展 的领域，数据挖掘、统计学、机器学习、空间数据库技术、生物 学和市场学的发展推动着聚类分析研究的进展，使它已成为 数据挖掘研究中的一个热点.与其他数据挖掘方法不同，在 进行聚类分析前用户一般并不知道数据集的特征。因此，从 某种角度看，聚类分析是一种元监督的学习过程，是基于观 察的学习而不是基于实例的学习.通常的聚类分析算法可 分为划分方法、层次方法、基于密度的方法I叫. (1)划分方法 (partitioning method) 给定一个 n 个对象或元组的数据库，一个划分方法构建 数据的 K 个划分，每个划分表示一个聚类，并且 K=n. 也就是说，它将数据划分为 K 个组，同时满足如下要求 z 每 个组至少包含一个对象$每个对象必须属于且只属于一个 组，同时某些模糊划分技术中第二个要求可以放宽. lIt稿日期 :2011-03-29 (2)层次方法(hierarchical method) 层次的方法对给定的数据对象集合进行层次的分解. 根据层次的分解如何形成，层次的方法可以分为凝聚的和分 裂的。凝聚的方法，也称为自底向上的方法，一开始将每个 对象作为单独的一个组，然后相继地合并相近的对象或组， 直到所有的组合并为一个(层次的最上层) ，或者达到一个终 止条件。分裂的方法，也称为自顶向下的方法，一开始将所 有的对象置于一个聚类中.在迭代的每一步中，一个类被分 裂为更小的类，直到最终每个对象在单独的一个类中，或者 达到一个终止条件。 (3)基于密度的方法(densit沪based method 绝大多数划分方法基于对象之间的距离进行聚类。这样 的方法只能发现球状的类，而在发现任意形状的类上遇到了 困难。随之提出了基于密度的另一类聚类方法，其主要思想 是 g只要临近区域的密度(对象或数据点的数目)超过某个阔 值，就继续聚类.也就是说，对给定类中的每个数据点，在一 个给定的范围的区域中必须至少包含某个数目的点.这样的 方法可以用来过滤噪声孤立点数据，发现任意形状的聚类[S]. 本文通过分析研究以上算法，提出了基于层次迭代思想 的聚类算法. 作者简介:~宏玉0977-) ，