隨著數(shù)據(jù)挖掘技術(shù)的快速發(fā)展,聚類分析技術(shù)的應(yīng)用越來越受到人們的廣泛關(guān)注。聚類分析是無監(jiān)督學(xué)習(xí)的過程,根據(jù)數(shù)據(jù)對(duì)象的相似性聚集成簇,從而發(fā)現(xiàn)數(shù)據(jù)集中數(shù)據(jù)的分布規(guī)律和發(fā)展趨勢(shì)。現(xiàn)實(shí)數(shù)據(jù)集中存在不可靠、錯(cuò)誤、不確定、噪聲等屬性對(duì)聚類分析的結(jié)果造成嚴(yán)重的影響,因此,對(duì)不確定數(shù)據(jù)的聚類進(jìn)行研究具有很高的實(shí)用價(jià)值,可以使聚類分析結(jié)果更加趨于真實(shí)化。本文研究的不確定數(shù)據(jù)主要是數(shù)值型和信息型的屬性不確定數(shù)據(jù),在對(duì)不確定數(shù)據(jù)的聚類研究中,處理障礙不確定數(shù)據(jù)和高維不確定數(shù)據(jù)的聚類是兩個(gè)無可避免的問題,同時(shí)也是兩個(gè)巨大的挑戰(zhàn)。針對(duì)以上研究中遇到的問題,本文內(nèi)容結(jié)構(gòu)如下:首先,對(duì)于傳統(tǒng)不確定聚類算法無法有效解決障礙不確定數(shù)據(jù)的問題,本文對(duì)現(xiàn)有的障礙不確定聚類算法進(jìn)行優(yōu)化,提出一種基于Voronoi圖的障礙空間中密度聚類算法。該方法引入Dev模糊集中的三角模糊數(shù)來解決數(shù)據(jù)的不確定性問題,同時(shí)引入R樹進(jìn)行剪枝,降低算法計(jì)算量,產(chǎn)生相對(duì)精準(zhǔn)的數(shù)據(jù)集。然后根據(jù)障礙約束分情況進(jìn)行分析,提高算法的效率,最后運(yùn)用基于Voronoi圖的密度聚類進(jìn)行聚類分析,得到更真實(shí)準(zhǔn)確的聚類結(jié)果。其次,為了對(duì)高維不確定數(shù)據(jù)進(jìn)行有效聚類,本文利用投影子空間技術(shù)進(jìn)行降維,通過對(duì)高維不確定數(shù)據(jù)進(jìn)行子空間投影,有效降低無關(guān)或冗余屬性對(duì)高維聚類的影響,并且減少了計(jì)算量。同時(shí)利用近似骨架理論給出聚類算法的初始解,彌補(bǔ)投影子空間易陷入局部解的問題,避免聚類結(jié)果出現(xiàn)局部極值;此外,基于直覺模糊集和相對(duì)熵技術(shù)提出不確定模糊聚類算法,通過改進(jìn)的相對(duì)熵來有效衡量不確定數(shù)據(jù)樣本間的差異度,保證算法聚類結(jié)果的穩(wěn)定性、全面性、精確性。通過上述對(duì)不確定數(shù)據(jù)聚類問題的研究,本文最后對(duì)論文進(jìn)行系統(tǒng)的總結(jié),并對(duì)論文的研究方向進(jìn)行展望,為接下來的學(xué)術(shù)研究定下目標(biāo),進(jìn)行進(jìn)一步的學(xué)習(xí)與研究。
【學(xué)位單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP311.13;O159
【部分圖文】：

) min{ ( , ) ( ,..., ) ( , )}p q p i i j j qdis d d = dis d o + dis o o + dis o d(3-4)算法 3-1 在計(jì)算模糊距離時(shí)，為了更快的在障礙空間中篩選出精準(zhǔn)的不確定數(shù)據(jù)集，為聚類提供更好的基礎(chǔ)，得到更好、更精準(zhǔn)聚類結(jié)果。本文引入 R 樹索引結(jié)構(gòu)對(duì)初始數(shù)據(jù)集進(jìn)行剪枝，根據(jù)文獻(xiàn)[52]首先為不確定數(shù)據(jù)建立最小外接矩形 MBR，然后基于所有的 MBR 建立 R 樹。在 R 樹中，當(dāng)相鄰的最小外接矩形之間存在障礙物時(shí)，如圖 3-1 所示。從圖中可知最小外接矩形 R1與 R2的最小距離為1 2min dis ( R , R )，R1與R2的最大距離為1 2max dis ( R , R )。同理1 3min dis ( R , R )代表為 R1與 R3的最小距離，1 3max dis ( R , R )代表為 R1與 R3的最大距離。由于 R1與 R2、R3之間存在障礙物 O1、O2，所以計(jì)算 R1與 R2、R3的距離時(shí)要計(jì)算他們的障礙距離。而 R1與 R2的最小距離1 3min dis ( R , R )相較于 R1與 R3的最大距離1 3max dis ( R , R )距離更遠(yuǎn)，即1 2min dis ( R , R )>1 3max dis ( R , R )，這表明 R3與R1更適合相互合并。同時(shí)在最小外接矩形 R1中存在障礙物 O3，致使要計(jì)算 R13與 R2的距離時(shí)，涉及到計(jì)算距離更長(zhǎng)的障礙距離。綜上選擇 R3作為代表點(diǎn)，剪枝掉以 R2為父節(jié)點(diǎn)的子 R 樹，不再參與代表點(diǎn)的計(jì)算。

Voronoi單元的面積就是計(jì)算多邊形的 ,n na n ∈ I，每個(gè)頂點(diǎn)的坐標(biāo)分別為( x公式3-5所示：1 2 2 1 2 3 3 2 1...2m S = x y x y + x y x y + + x oronoi圖的每個(gè)區(qū)域VDi中，相對(duì)每個(gè)不oi圖的不確定質(zhì)心vci，在Voronoi圖VD確定質(zhì)心集，不確定質(zhì)心集記為ci V =數(shù)據(jù)集中具體分布情況的不同，分兩 c 落入 vc1所屬的范圍內(nèi)（不包含邊和心 vc1之間不存在障礙物 o∈O(粗體虛線的虛線段)，根據(jù)計(jì)算 ( )1,cdis c v 的距為簇心的簇中。若數(shù)據(jù)對(duì)象點(diǎn) c 與質(zhì)心，這時(shí)數(shù)據(jù)對(duì)象點(diǎn) c 與質(zhì)心 vc1的距離 c 到質(zhì)心 vc1和與質(zhì)心 vc1鄰近的質(zhì)心6),i ≤ k，那么將數(shù)據(jù)對(duì)象點(diǎn) c 劃分到

c 落入 vc1為質(zhì)心的 Voronoi 圖的邊上象點(diǎn) c 與數(shù)據(jù)對(duì)象點(diǎn) c 兩側(cè)或周圍鄰近在障礙物 o（粗體虛線存在），則計(jì)的 障 礙 距 離 ， 若8 ( , ) min{c dis c v = ci c ∈V，則對(duì)象點(diǎn) c 劃分到以質(zhì)心 vc8 (對(duì)象點(diǎn) c 兩側(cè)或周圍的 Voronoi 單元粗體虛線不存在，c 與 vc1的距離為橫點(diǎn)數(shù) Minpts，將數(shù)據(jù)點(diǎn) c 劃分到 Minp

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏卓群;歐慧;武志偉;范開欽;;基于屬性劃分和弧形距離的層次聚類算法[J];計(jì)算機(jī)工程;2015年08期

2 米允龍;米春橋;劉文奇;;海量數(shù)據(jù)挖掘過程相關(guān)技術(shù)研究進(jìn)展[J];計(jì)算機(jī)科學(xué)與探索;2015年06期

3 金萍;宗瑜;屈世超;胡燕;田園;;面向不確定數(shù)據(jù)的近似骨架啟發(fā)式聚類算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué));2015年01期

4 張鈺;林欣;;一種基于在線凝聚的層次聚類改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2015年01期

5 劉卓;楊悅;張健沛;楊靜;初妍;張澤寶;;不確定度模型下數(shù)據(jù)流自適應(yīng)網(wǎng)格密度聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2014年11期

6 楊善紅;梁金明;李靜雯;;基于網(wǎng)格密度影響因子的多密度聚類算法[J];計(jì)算機(jī)應(yīng)用研究;2015年03期

7 孫浩軍;李驚濤;張磊;張崇銳;肖婷;;一種高維分類型數(shù)據(jù)的子空間聚類算法[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

8 吳濤;陳黎飛;郭躬德;;優(yōu)化子空間的高維聚類算法[J];計(jì)算機(jī)應(yīng)用;2014年08期

9 彭長(zhǎng)生;;基于Fisher判別的分布式K-Means聚類算法[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

10 王勇;唐靖;饒勤菲;袁巢燕;;高效率的K-means最佳聚類數(shù)確定算法[J];計(jì)算機(jī)應(yīng)用;2014年05期

相關(guān)碩士學(xué)位論文 前1條

1 張志超;不確定空間數(shù)據(jù)聚類方法的研究[D];哈爾濱理工大學(xué);2016年

本文編號(hào)：2808652