基于严厉K-最临近集的聚类算法及其分析.pdfVIP

复旦大学硕士学位论文 摘 要 聚类分析是数据挖掘的一个重要的分支，其方法也是模式识别、人工智能、机器学习、多 元数据分析等学科共同关心的问题。我们通过模拟实验发现严格女一最临近集的大小(SKNN2) 比一般的k一最临近集(KⅣⅣ‘)更能反映数据集密度的变化．我们给出了两种基于严格☆一 最临近集的聚类算法，实验证明这些算法可以很好的区分不同密度、形状和大小的类，并 且抗噪能力好。 本文分三章。在第一章中介绍了当前主要的聚类分析方法和算法，并从实验和理论上 分析了这些算法，指出优缺点的根源。 法做了一个基本数据的实验分析，发现在类问密度相差不是特别的大时，该方法不能作出 s凡ⅣⅣ。和L，ⅣA。能够反映不同类的某些特性，在第三章我们给出一个结合分类的聚类 算法，这个剪法不仅_『以同时区分不同密度、形状、大小的类，并且抗噪能力强，对参数的 选择不敏感。 关键词：聚娄 严洛0最临近 复旦大学硕士学位论文 ABSTRACT Asan fie