多尺度聚类挖掘方法计算机科学与技术专业论文.docxVIP

多尺度聚类挖掘理论体系为尺度转换提供了理论基础，结合尺度转换过程，构造多 多尺度聚类挖掘理论体系为尺度转换提供了理论基础，结合尺度转换过程，构造多 尺度聚类挖掘算法框架；分析克里格法可用于一般数据集的本质；通过分析目前地学、 图像学、生物学等学科较为成熟的尺度转换方法思想，基于块状克里格法BK(Block Kriging)提出多尺度聚类挖掘尺度上推算法MSCSUA(Multi—Scale Clustering Scaling Up Algorithm)，并基于回归面到点克里格法ATPRK(Area To Point Regression Kriging)提出 多尺度聚类挖掘尺度下推算法MSCSDA(Multi-Scale Clustering Scaling Down Algorithm)。算法实现了聚类挖掘知识的多尺度化，与传统聚类算法直接在目标尺度进 行聚类的结果进行比对，并对算法的正确性和可行性进行分析。 3)提出多尺度聚类有效性指标 多尺度聚类有效性指标是对多尺度聚类尺度上推和下推结果的定量评估，是对尺度 转换算法直观的分析评价。论文结合多尺度领域尺度转换精度评价指标和聚类有效性指 标，引入信息熵度量不同聚类有效性指标下聚类结果尺度效应的不确定程度，并将信息 熵结果归一化后作为各聚类有效性指标的权重，加权集成得到多尺度聚类有效性指标 MSCVI(Multi-Scale Clustering Validity Index)，以便更好地适于不同实际应用。 4)验证多尺度聚类挖掘算法和多尺度聚类有效性指标 针对提出的多尺度聚类挖掘算法及多尺度聚类有效性指标应用于多个UCI公用数 据集和真实数据H省全员人口数据进行测试分析。实验结果表明本文算法相比传统聚类 算法正确率高，运行时间短，是可行的聚类算法；本文有效性指标也较传统聚类有效性 指标正确率有较大提升，对高维数据集也表现出良好的评价效果。 关键词：多尺度聚类挖掘；尺度转换；尺度效应；克里格法；信息熵 IV 万方数据 AbstractCluster Abstract Cluster mining is important branch of data mining，which is widely used in many applications such as speech recognition，image segmentation，marketing，finance and insurance，e-commerce and other fields．The essence of cluster mining is to partition sample sets into several classes according to their attributes，ensuring that intra-class samples are similar as possible while inter-class samples are as dissimilar as possible．Multi-scale clustering is a typical interdisciplinary topic，in essence，which makes of clustering technology to analysis the structure of research objects in a way of multi-scale and multi-level， as well as scale effect caused by scale transformation and function relationship of each scale． There has been considerable progress in cluster mining field with multi-scale theory，and scholars have put forward number of theories and methods of multi—scale cluster mining， which are limited to space and image data in many cases．This phenomenon restricts the application and promotion in clustering technology based on multi-scale science． In this paper，features of multi-scale science and cluster minin