一种基于相容关系聚类算法.docVIP

一种基于相容关系的聚类算法 　　（东华大学 信息科学与技术学院， 上海 201620） 　　 　　摘 要： 　　聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类，提出一种基于对象集上的相容关系的聚类算法，该算法通过极大相容簇来对数据对象集进行分类，使得同一对象可以属于不同的簇，而每个簇又有自己独有的成员对象，从而得到既不同于硬聚类也不同于模糊聚类的聚类效果。实验进一步表明了该算法的聚类的合理性。 　　关键词：聚类； 相容关系； 相容（子）集 　　中图分类号：TP391文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1302-?B03 　　 　　Clustering on compatible relation 　　WAN Ren-xia, WANG Li-xin, LIU Zhen-wen, SU Xiao-ke 　　 (College of Information Science Technology, Donghua University, Shanghai 201620, China) 　　 　　Abstract: 　　Cluster analysis had played a very important role in data mining. This paper proposed a new algorithm based on compatible relation. The new algorithm grouped objects by the maximum compatible clusters and permited one object belonging to several different clusters while every cluster had its exclusive members, which gained a different clustering result from the traditional cluster algorithms. The experiments get a consistent result. 　　Key words：cluster; compatible relation; compatible subset 　　 　　0 引言 　　?ソ?年来,对数据集上的聚类算法已有了广泛的研究。总体来说，传统聚类算法可以划分为硬聚类和模糊聚类两大类[1]。硬聚类算法将数据集划分为不相交的几个数据子集，每个数据子集代表一个类簇，而模糊聚类更多的是关注于簇中心及各个数据与所有簇中心隶属关系的变化，分析每个数据点隶属于各个簇的程度。本文提出了一种基于数据点间关系度量的聚类算法，该算法依据数据点间关系程度进行聚类，得到了不同于传统算法的聚类结果。基于真实数据集的实验分析表明新算法具有比传统算法更为合理的聚类效果。 　　1 相关工作 　　?ゴ?统的聚类是指将数据对象分组成为若干个类，使得在同类中的对象间具有较高的相异度，而不同类中的对象差别较大。相异度是根据描述对象的属性值来计算的，而距离是其经常采用的度量方式。在聚类分析中，许多基于内存的聚类算法选择如下两种有代表性的数据结构:a)数据矩阵。它用P个属性来表示n个对象，表现形式是[x??ij]??n×p。其中x??ij表示对象i在属性j上的取值。b)相异度矩阵。它用来存储n个对象两两间的相异性，表现形式是[D(i,j)]??n×n。其中D(i,j)是对象i与对象j间相异性的量化表示，其值越小，两个对象就越接近，且D(i,j)≥0，D(i,i)=0，D(i,j)=D(j,i)。从数据对象间的关系角度上来说，相异度只是对数据对象之间的离散关系的一种分析，这只是数据对象间关系分析的一种，而实际上数据对象的关系可能会比较复杂，甚至有些关系是不可以用相异度来衡量的，如对操场上的学生按朋友关系分组。 　　?ノ南?[2，3]研究了利用偏序关系和偏序集进行分层聚类的问题，提出了PoClustering算法，该算法在基因分组的实验中表现出更好的分类效果。 　　?ノ南?[4]研究了利用相异度的正交变换对具有三角不等式特性的高维数据的聚类问题，并通过误差评价边界来降低聚类的计算复杂度和提升其可扩展性。 　　?ノ南?[5]利用压缩相异度的方法来扩展K-modes算法，并利用启发式的方法来改进相异度的简单匹配。 　　?ノ南?[6]研究了利用相异度平滑的技术来对二元变量聚类的方法。通过收缩评价的思想来过滤噪声数据，从而达到平滑相异度矩阵的目的。 　　?ノ南?[7]通过定义关系和多值对象属性及类型多样性的拓扑测度来构建一类特