當(dāng)今的人們均處在大數(shù)據(jù)時(shí)代背景下,數(shù)據(jù)增長(zhǎng)呈現(xiàn)出了令人吃驚的速度,數(shù)據(jù)積累逐漸增多,數(shù)據(jù)之間的內(nèi)部結(jié)構(gòu)變得不清晰,致使真正了解數(shù)據(jù)之間的關(guān)系變得尤為復(fù)雜,基于此,聚類挖掘技術(shù)應(yīng)運(yùn)而生,通過無(wú)監(jiān)督學(xué)習(xí),從龐大的數(shù)據(jù)中挖掘出數(shù)據(jù)之間實(shí)際的內(nèi)部關(guān)系已成為機(jī)器學(xué)習(xí)探討的熱點(diǎn)。快速搜索發(fā)現(xiàn)密度峰值聚類算法(Clustering by fast search and find ofdensity peaks,which could be called DPfor short in this paper)是2014年發(fā)表在Science上的一種基于密度的聚類算法,DP算法具有算法原理通俗易懂、聚類高效、操作簡(jiǎn)便和參數(shù)少等優(yōu)點(diǎn),基于此,該算法的一經(jīng)出現(xiàn)就在學(xué)術(shù)界引起了巨大的轟動(dòng),受到了廣大科學(xué)工作者的推崇,在學(xué)術(shù)界、商界表現(xiàn)出了極大的競(jìng)爭(zhēng)實(shí)力。盡管如此,DP算法仍然存在幾點(diǎn)缺陷:(1)DP算法每次對(duì)較高維度的數(shù)據(jù)進(jìn)行聚類分析時(shí),由于高維數(shù)據(jù)存在于自身結(jié)構(gòu)的極大的特殊性,數(shù)據(jù)擁有的維度數(shù)量較多和大量冗余信息的干擾,聚類質(zhì)量將受到嚴(yán)重的影響,使得密度峰值聚類算法難以找到數(shù)據(jù)的真實(shí)聚類結(jié)構(gòu);(2)DP算法的參數(shù)需要人為進(jìn)行干預(yù),研究者往往根據(jù)自身的經(jīng)驗(yàn)進(jìn)行參數(shù)的調(diào)節(jié),缺乏一定的選擇依據(jù);(3)DP算法的聚類結(jié)果不能自動(dòng)給出,需要手動(dòng)進(jìn)行確定。本文針對(duì)上述問題展開專門研究,分別針對(duì)不同問題提出不同的改進(jìn)方案:(1)本文著力研究對(duì)于密度峰值聚類算法在很大程度上難以對(duì)較高維度數(shù)據(jù)進(jìn)行聚類分析的問題,提出基于熵權(quán)法和核主成分分析的密度峰值聚類算法(Density Peak Clustering Algorithm based onEntropy Weightand Kernel Principal Component Analysis,which could be called EWKPCA-DPfor short in this paper)。該算法首先利用熵權(quán)法對(duì)樣本數(shù)據(jù)賦權(quán),消除無(wú)關(guān)屬性的影響,然后利用核主成分分析法對(duì)高維數(shù)據(jù)進(jìn)行降維,最后運(yùn)用密度峰值聚類算法實(shí)現(xiàn)高維數(shù)據(jù)在低維空間的聚類。(2)鑒于數(shù)據(jù)具有的不同屬性會(huì)對(duì)聚類結(jié)果產(chǎn)生不同的影響,本文提出一種基于屬性重要性的密度峰值聚類算法(An Improved Attribute Importance-based Clustering Algorithm with Density Peak,which could be called AI-DPfor short in this paper),利用變異系數(shù)賦權(quán)法對(duì)屬性賦予不同的權(quán)重,然后利用核主成分分析法以非線性方式合理降低數(shù)據(jù)維度,最后運(yùn)用密度峰值聚類算法實(shí)現(xiàn)最終的聚類。(3)密度峰值聚類算法每次在執(zhí)行聚類操作時(shí)均需要人為輸入一定的百分比來(lái)設(shè)置參數(shù)的數(shù)值,這樣的缺陷使得該算法不但在運(yùn)行效率上是沒有競(jìng)爭(zhēng)力的,而且在聚類結(jié)果準(zhǔn)確性方面也會(huì)使研究者產(chǎn)生一定的質(zhì)疑,為此,提出基于果蠅優(yōu)化的密度峰值聚類算法(Density Peak based on Fruit Fly Optimization Algorithm,which could be called FOA-DPfor short in this paper)。該算法結(jié)合果蠅優(yōu)化算法的全局尋優(yōu)能力,以信息熵作為評(píng)判函數(shù),對(duì)密度峰值算法的截?cái)嗑嚯x參數(shù)進(jìn)行尋優(yōu),從而避免通過人為設(shè)置參數(shù)產(chǎn)生的誤差,進(jìn)一步根據(jù)Silhouette有效性指標(biāo)和F-measure指標(biāo)來(lái)確定最佳聚類結(jié)果。由于提出的改進(jìn)的密度峰值聚類算法具有很大的優(yōu)越性,將改進(jìn)的密度峰值聚類算法應(yīng)用在家電行業(yè)上市公司的股票分析中,為上市公司正確分析市場(chǎng)行情,提出客觀、準(zhǔn)確的投資方案提供理論依據(jù)。
【學(xué)位單位】：吉林財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：F426.6;F832.51;F406.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉艷麗;張建朋;;基于密度峰值搜索的改進(jìn)流形聚類算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年06期

2 WANG Shuliang;WANG Dakui;LI Caoyuan;LI Yan;DING Gangyi;;Clustering by Fast Search and Find of Density Peaks with Data Field[J];Chinese Journal of Electronics;2016年03期

3 黃嵐;李玉;王貴參;王巖;;基于點(diǎn)距離和密度峰值聚類的社區(qū)發(fā)現(xiàn)方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2016年06期

4 謝娟英;高紅超;謝維信;;K近鄰優(yōu)化的密度峰值快速搜索聚類算法[J];中國(guó)科學(xué):信息科學(xué);2016年02期

5 蔣禮青;張明新;鄭金龍;戴嬌;尚趙偉;;快速搜索與發(fā)現(xiàn)密度峰值聚類算法的優(yōu)化研究[J];計(jì)算機(jī)應(yīng)用研究;2016年11期

6 高兵;張健沛;鄒啟杰;;基于共享最近鄰密度的演化數(shù)據(jù)流聚類算法[J];北京科技大學(xué)學(xué)報(bào);2014年12期

7 王浩;李國(guó)歡;姚宏亮;李俊照;;基于影響力計(jì)算模型的股票網(wǎng)絡(luò)社團(tuán)劃分方法[J];計(jì)算機(jī)研究與發(fā)展;2014年10期

8 朱林;雷景生;畢忠勤;楊杰;;一種基于數(shù)據(jù)流的軟子空間聚類算法[J];軟件學(xué)報(bào);2013年11期

9 劉權(quán);郭武;;基于核主成分分析的話題跟蹤系統(tǒng)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

10 韓俊英;劉成忠;;自適應(yīng)變異的果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

相關(guān)博士學(xué)位論文 前1條

1 樓巍;面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術(shù)研究[D];上海大學(xué);2013年

本文編號(hào)：2807636