發(fā)布時(shí)間：2022-08-07 21:04

　　隨著互聯(lián)網(wǎng)的快速發(fā)展,各行各業(yè)都有源源不斷的數(shù)據(jù)產(chǎn)生,從這些數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息并為相關(guān)人員提供決策支持,是當(dāng)前數(shù)據(jù)挖掘的主要任務(wù)。聚類分析和離群檢測是數(shù)據(jù)挖掘任務(wù)中的重要組成部分,已被廣泛應(yīng)用在模式識(shí)別、人工智能、信用卡欺詐行為檢測、視頻監(jiān)控等領(lǐng)域,并推動(dòng)了社會(huì)的進(jìn)步和行業(yè)的發(fā)展。聚類分析是利用數(shù)據(jù)之間的相似性分析它們的潛在關(guān)系,其中譜聚類具有堅(jiān)實(shí)的理論基礎(chǔ)和良好的聚類性能,引起了越來越多研究者的關(guān)注。譜聚類算法無需對數(shù)據(jù)的全局結(jié)構(gòu)做任何假設(shè)就可以收斂到全局最優(yōu),但該類算法存在尺度參數(shù)選擇、相似度度量以及聚類數(shù)目確定等問題。離群檢測主要用于發(fā)現(xiàn)一些異常數(shù)據(jù)或者存在偏離常規(guī)行為的模式,其中基于密度的離群檢測算法是目前常用的策略,但該類算法通常存在近鄰參數(shù)選擇以及密度差異數(shù)據(jù)集中離群點(diǎn)易被誤檢等問題。因此,為了解決譜聚類和離群檢測中存在的鄰域參數(shù)選擇問題,本文引入了一種不需要人為設(shè)定參數(shù)的鄰域搜索方法——自然鄰居搜索算法。該算法通過不斷擴(kuò)大鄰域的搜索范圍,以自動(dòng)適應(yīng)數(shù)據(jù)集中數(shù)據(jù)點(diǎn)之間的分布。此外,針對上文提到的其他問題,本文結(jié)合自然鄰居搜索算法提出了兩種改進(jìn)算法,具體如下:（1）提出了... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
英文摘要
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 聚類算法研究
        1.2.2 離群檢測研究
    1.3 論文主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 理論基礎(chǔ)
    2.1 譜聚類
        2.1.1 譜聚類基礎(chǔ)
        2.1.2 典型譜聚類算法
        2.1.3 聚類結(jié)果評價(jià)指標(biāo)
    2.2 離群檢測
        2.2.1 離群檢測算法
        2.2.2 離群檢測評價(jià)指標(biāo)
    2.3 本章小結(jié)
3 自然鄰居搜索算法
    3.1 自然鄰居搜索算法概述
    3.2 自然鄰居搜索算法改進(jìn)
    3.3 本章小結(jié)
4 基于共享自然近鄰的自適應(yīng)譜聚類算法
    4.1 引言
    4.2 基于共享自然近鄰的自適應(yīng)譜聚類算法
        4.2.1 改進(jìn)相似度度量
        4.2.2 利用特征間隙確定聚類數(shù)目
        4.2.3 算法概述
    4.3 實(shí)驗(yàn)與分析
        4.3.1 人工數(shù)據(jù)集實(shí)驗(yàn)分析
        4.3.2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn)分析
    4.4 本章小結(jié)
5 基于自然鄰居的離群檢測算法
    5.1 引言
    5.2 基于自然鄰居的離群檢測算法
        5.2.1 自然特征鄰域圖
        5.2.2 改進(jìn)離群因子
        5.2.3 算法概述
    5.3 實(shí)驗(yàn)與分析
        5.3.1 人工數(shù)據(jù)集實(shí)驗(yàn)分析
        5.3.2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn)分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄
    A作者在攻讀學(xué)位期間發(fā)表的論文目錄
    B學(xué)位論文數(shù)據(jù)集
致謝



本文編號：3671040