基于层次K均值的聚类算法的研究-计算机技术专业论文.docxVIP

万方数据 万方数据 分类号： 密级： U D C ： 编号： 专业硕士学位论文 （工程硕士） 基于层次 K 均值的聚类算法的研究 硕 士 研 究 生 ：李 鹏 指 导 教 师 ：董宇欣 副教授 学 位 级 别 ：工程硕士 工 程 领 域 ：计算机技术 所 在 单 位 ：计算机科学与技术学院 论文提交日期 ：2014 年 12 月 16 日 论 文答辩日期 ：2015 年 6 月 9 日 学位授予单位 ：哈尔滨工程大学 万方数据 万方数据 Classified Index: U.D.C: A Dissertation for the Professional Degree of Master （Master of Engineering） The Study and Development of Hierarchical- K-means-Based Clustering Algorithm Candidate: Li Peng Supervisor: Associate Prof.Dong Yuxin Academic Degree Applied for: Master of Engineering Engineering Field : Computer Science and Technology Date of Submission: Dec. 16, 2014 Date of Oral Examination: Jun. 9,2015 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。 有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注 明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 作者（签字） ： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作 的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送 交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进 行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的 全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一 署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文（□在授予学位后即可 □在授予学位 12 个月后 □解密后）由哈尔滨工 程大学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 基于层次 K 均值的聚类算法的研究 摘 要 聚类分析作为数据挖掘领域中重要组成部分，在当今很多的行业和领域中得到了广 泛的应用，聚类算法相互结合可以得到更优质更有效的聚类算法，因此在算法融合方面， 对层次 K 均值聚类算法（Hierarchical- K-means-Based Clustering Algorithm， H-K 聚类 算法）的研究已成为一个研究热点。本文对当前广泛应用的聚类算法进行相关的研究， 比如层次聚类算法和划分聚类算法以及基于 H-K 的聚类算法，并提出一种改进的 H-K 聚类算法：基于距离评价函数和熵的聚类算法（HKDE 算法）。 本文分别对聚类算法的国外研究现状和国内研究情况、聚类分析的相关理论依据和 实验成果、最初的聚类算法、距离与相似性度量方法、划分聚类算法、层次聚类算法、 传统 H-K 聚类算法做了深入的研究与分析。针对传统 H-K 聚类算法聚类质量不高，算 法效率较低且对噪声敏感的问题，加入了距离评价函数的概念对 H-K 聚类算法中的 K 值进行优化提高聚类质量，采用 kd-树数据结构对数据进行处理以提高算法效率，加入 信息熵的概念作为相似性度量标准从而降低 H-K 聚类算法对噪声敏感的问题，并在此基 础上提出了改进的 H-K 聚类算法：HKDE 算法。针对 HKDE 算法在层次聚类阶段需要 将当前数据对象加入到每一个簇中计算熵值增量从而造成计算量较大的问题，加入了一 个距离阈值 ??，使得 HKDE 算法在聚类过程中，只计算当前数据对象到簇的中心点的距 离小于或等于 ??的簇的熵值增量，以距离阈值 ??为判断标准减少当前数据对象加入簇计 算熵值增量的数量，从而降低算法的运行时间，以达到提高算法效率的目的。 论文根据仿真实验的结果对提出的 HKDE 算法进行了有效性的验证，在实验结果的 对比中将提出