PAM聚类算法的研究与实现.docVIP

PAGE - PAGE 1 - 　毕 业 论 文（设计） 论文（设计）题目：PAM聚类算法的分析与实现 系 别： 　 专 业： 学 号： 姓 名： 指导教师： 时 间： 毕 业 论 文（设 计） 开 题 报 告 系别:计算机与信息科学系 专业:网络工程 学 号 姓 名 高华荣 论文（设计）题目 PAM聚类算法的分析与实现 命题来源 eq \o\ac(□,√)教师命题 □学生自主命题 □教师课题 选题意义(不少于300字): 随着计算机技术、网络技术的迅猛发展与广泛应用，人们面临着日益增多的业务数据，这些数据中往往隐含了大量的不易被人们察觉的宝贵信息，为了得到这些信息，人们想尽了一切办法。数据挖掘技术就是在这种状况下应运而生了。而聚类知识发现是数据挖掘中的一项重要的内容。 在日常生活、生产和科研工作中，经常要对被研究的对象经行分类。而聚类分析就是研究和处理给定对象的分类常用的数学方法。聚类就是将数据对象分组成多个簇，同一个簇中的对象之间具有较高的相似性，而不同簇中的对象具有较大的差异性。 在目前的许多聚类算法中，PAM算法的优势在于：PAM算法比较健壮，对“噪声”和孤立点数据不敏感；由它发现的族与测试数据的输入顺序无关；能够处理不同类型的数据点。 研究综述(前人的研究现状及进展情况，不少于600字): PAM（Partitioning Around Medoid,围绕中心点的划分）算法是是划分算法中一种很重要的算法，有时也称为k-中心点算法，是指用中心点来代表一个簇。PAM算法最早由Kaufman和Rousseevw提出，Medoid的意思就是位于中心位置的对象。PAM算法的目的是对n个数据对象给出k个划分。PAM算法的基本思想：PAM算法的目的是对成员集合D中的N个数据对象给出k个划分，形成k个簇，在每个簇中随机选取1个成员设置为中心点，然后在每一步中，对输入数据集中目前还不是中心点的成员根据其与中心点的相异度或者距离进行逐个比较，看是否可能成为中心点。用簇中的非中心点到簇的中心点的所有距离之和来度量聚类效果，其中成员总是被分配到离自身最近的簇中，以此来提高聚类的质量。 由于PAM算法对小数据集非常有效，但对大的数据集合没有良好的可伸缩性，就出现了结合PAM的CLARA（Cluster LARger Application）算法。CLARA是基于k-中心点类型的算法，能处理更大的数据集合。CLARA先抽取数据集合的多个样本，然后用PAM方法在抽取的样本中寻找最佳的k个中心点，返回最好的聚类结果作为输出。后来又出现了CLARNS（Cluster Larger Application based upon RANdomized search,也称随机搜索聚类算法），CLARNS是另外一种k-中心点方法，它将采样技术和PAM结合起来，对CLARA的聚类质量和可伸缩性进行了改进。不像CLARA那样每个阶段选取一个固定样本，CLARANS在搜索的每一步都带一定随机性地选取一个样本。 研究的目标和主要内容（不少于400字） 对PAM聚类算法的基本思想、PAM聚类算法的替换代价和PAM聚类算法的性能等进行分析，根据PAM算法描述，使用matlab软件编写PAM聚类算法代码，实现PAM聚类算法。使用编写好的代码运用到一个实例中，使同一个簇中的对象越近越好，而不同簇中的对象越远越好，对实例中的数据进行聚类后，把聚类后的结果作为进一步进行分析的基础。 本选题研究的主要内容如下： (1)PAM聚类算法的分析，分析PAM聚类算法的主要内容如下： PAM聚类算法的基本思想：了解PAM聚类算法的基础，能够让人简单的了解PAM聚类算法的整个过程，对于最后的算法实现有很重要的意义。 PAM聚类算法的替换代价：分四种情况计算替换代价，通过最后的总代价，来分析是否要进行替换的根据。 PAM聚类算法的算法描述：使用matlab软件编写PAM聚类算法的代码的根据。 PAM聚类算法的性能：包含了PAM聚类算法的优点和缺点。 (2) PAM聚类算法的实现，实现PAM聚类算法的主要内容如下： 算法实现：根据PAM聚类算法描述，使用matlab软件编写PAM聚类算法代码。 把编写好PAM聚类算法的代码运用到一个实例中。 拟采用的研究方法 在指导老师的指导下，查找并阅读相关资料，利用相关资料对PAM算法进行详细分析，从而根据分析实现PAM算法。使用matlab软件来编写代码。 研究工作的进度安排 2010年11月2