混合属性数据的聚类分析-软件工程专业论文.docxVIP

江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 目 目 录 IV IV PAGE PAGE VII of clustering. This paper presents a graph-based mixed attribute data clustering algorithm named CGP(Clustering based on Graph Partition). It treats each row of attribute values as a graph node, and then calculates the similarity of these graph nodes; By using an adaptive weighting method, it automatically adjusts the properties of numeric and category attributes into a combining similarity matrix; It uses graph partition method to cluster the data; Applying iterative optimization method to adjust the fitness between data to get the maximum affinity in the cluster, thus it can reach the global optimal solution. Experimental results show that the proposed mixed data clustering algorithm is quite effective and behaves better than others. Keyword Mixed attribute data; Graph partition; Spectral clustering; Clustering algorithms; Collaborative filtering; 目 录 摘 要 I ABSTRACT III 目 录 V CONTENTS VII 第 1 章 绪论 1 1.1 课题背景 1 1.2 课题研究现状 1 1.3 本文工作 3 1.4 本文组织 3 第 2 章 聚类研究 5 2.1 相似性测度和聚类准则 6 2.2 聚类算法 9 2.2.1 基于划分的聚类 10 2.2.2 基于层次的聚类 11 2.2.3 基于密度的聚类 13 2.2.4 基于网格的聚类 13 2.2.5 基于模型的聚类 14 2.2.6 半监督聚类 15 2.2.7 聚类融合 15 2.3 聚类有效性 16 2.4 各类算法分析比较 16 2.5 本章小结 19 第 3 章 混合属性数据聚类研究 21 3.1 混合属性数据聚类的研究现状 22 3.2 混合属性数据聚类存在的问题 24 3.3 本章小结 24 第 4 章 基于协同过滤的混合属性数据聚类算法 27 4.1 混合数据聚类集成方法 27 4.2 聚类集成方法步骤 27 K-MEANS 算法步骤 28 K-PROTOTYPE 算法步骤 29 4.5 提出的算法 30 4.5.1 过滤算法 30 4.5.2 算法优点 31 4.6 实验结果与分析 32 4.7 本章小结 32 第 5 章 基于图划分的混合属性数据聚类算法 35 5.1 相似度矩阵计算 35 5.1.1 符号型属性相似度计算 35 5.1.2 数值型属性数据相似度计算 36 VI VI PAGE PAGE VII 5.1.3 互联合相似度矩阵的构建 38 HYPERLINK \l _TOC_250000 5.2 算法 CGP 的目标函数及算法 39 5.2.1 图划分准则 39 5.2.2 谱聚类算法 41 5.2.3 算法 CGP 的目标函数 42 5.2.4 算法 CGP 43 5.3 实验结果与分析 43 数据集 AUSTRALIAN CREDIT APPROVAL 上的实验结果 43 数据集 GERMAN CREDIT DATASET 上的实验结果 45 数据集 THE HEART-DISEASE/CLEVE 上的实验结果 47 5.4 本章小结 49 总结与展望 51 总结 51 展望