基于格论的聚类算法及其在大肠早癌诊断系统中的应用研究-计算机应用技术专业论文.docxVIP

摘要数据挖掘是数据库研究、开发和应用最为活跃的分支之一，自提 摘要 数据挖掘是数据库研究、开发和应用最为活跃的分支之一，自提 出以来就一直受到广泛的关注。通过数据挖掘，人们可以从海量的数 据中获取大量隐藏的有价值的、潜在的知识。 聚类分析作为数据挖掘的一个主要功能和任务，已经被广泛的研 究了多年并取得了大量的成果，积累了一系列的理论知识和方法。随 着数据库技术的飞速发展，各行各业中的信息数据也急剧地增长，而 且数据的类型也由单一的数值型、文本型逐渐转变成混合型，这就对 聚类分析技术提出了新的要求。从已有的文献来看，能有效处理混合 型数据的算法相对较少。基于这一现状，本文重点研究了面向混合型 数据的聚类算法，同时对其在医疗诊断系统中的应用进行了探讨。 本文对已有的算法进行了研究比较之后，提出了一种基于格论的 聚类新算法—CBL算法。该算法将整个数据空间划分成若干个格， 通过数据对象之间格的覆盖数来度量他们的相似性，将对象划分到最 相似的簇。实验结果表明，新算法能够有效地提高聚类的精度，尤其 是在处理混合型数据的方面。 针对所提出的新算法，本文还对算法参数的优化进行了深入研 究：(1)基于遗传算法的思想，以聚类质量为标准设计适应度函数， 对聚类数目进行优化，优化后的聚类数目与真实聚类数目极为接近； (2)根据新算法的特点，结合基于距离的聚类初始中心的优化方法 的理论，提出了一种基于格的