為了能夠更好地對非獨立同分布的多尺度分類型數(shù)據(jù)集進(jìn)行研究,基于無監(jiān)督耦合度量相似性方法,提出針對非獨立同分布的分類屬性型數(shù)據(jù)集的多尺度聚類挖掘算法。首先,對基準(zhǔn)尺度數(shù)據(jù)集進(jìn)行基于耦合度量的基準(zhǔn)尺度聚類;其次,提出基于單鏈的尺度上推和基于Lanczos核的尺度下推尺度轉(zhuǎn)換算法;最后,利用公用數(shù)據(jù)集以及H省真實數(shù)據(jù)集進(jìn)行實驗驗證。將耦合度量相似性(Couple metric similarity,CMS)、逆發(fā)生頻率(Inverse occurrence frequency,IOF)、漢明距離(Hamming distance,HM)等方法與譜聚類結(jié)合作為對比算法,結(jié)果表明,尺度上推算法與對比算法相比,NMI值平均提高13.1%,MSE值平均減小0.827,F-score值平均提高12.8%;尺度下推算法NMI值平均提高19.2%,MSE值平均減小0.028,F-score值平均提高15.5%。實驗結(jié)果表明,所提出的算法具有有效性和可行性。

【文章頁數(shù)】：14 頁

【部分圖文】：

圖1尺度上推思想

尺度下推是尺度轉(zhuǎn)換的另一種表現(xiàn)形式。本文借助Lanczos插值和分裂層次聚類的思想提出了多尺度聚類尺度下推算法（DownscalingbasedonLanczos,DSAL)。該算法的思想是：首先得到基準(zhǔn)尺度聚類結(jié)果，其次將基準(zhǔn)尺度聚類結(jié)果作為已知樣本，利用Lanczos核....

圖2尺度下推思想

圖1尺度上推思想算法3多尺度聚類尺度下推算法DSAL

圖3.1耦合度量相假設(shè)數(shù)據(jù)集DB由多個數(shù)據(jù)對象U組成，

27CMS相似性度量方法主要包含三部分：屬性內(nèi)相似性、屬性間相似性以及耦合度量相似性。通過屬性內(nèi)和屬性間的相似性以及耦合度量相似性捕獲對象間相似性。本節(jié)將對這三部分分別進(jìn)行介紹，主要包括定義和主要思想，圖3.1展示了它的學(xué)習(xí)框架、工作機(jī)制和關(guān)鍵組成。CMS首先根據(jù)屬性內(nèi)相似性捕獲....

本文編號：3911445