1、聚類(lèi)分析也是數(shù)據(jù)挖掘研究中的一個(gè)非?；钴S的研究課題.聚類(lèi)就是把一個(gè)沒(méi)有類(lèi)別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干類(lèi),使類(lèi)內(nèi)樣本的相似性盡可能大,而類(lèi)間樣本相似性盡量小,是一種無(wú)監(jiān)督的分類(lèi)方法.聚類(lèi)分析雖已廣泛地應(yīng)用于模式識(shí)別、數(shù)據(jù)挖掘、計(jì)算機(jī)視覺(jué)、模糊控制、決策分析和預(yù)測(cè)等許多領(lǐng)域,但它在理論和方法上仍不完善,甚至還有嚴(yán)重的不足之處.對(duì)聚類(lèi)算法的進(jìn)一步優(yōu)化研究將不僅有助于算法理論的完善,更有助于算法的推廣和應(yīng)用.該課題研究的目標(biāo)就是在數(shù)據(jù)挖掘

2、的背景下,從理論、算法和應(yīng)用的角度對(duì)聚類(lèi)分析技術(shù)在如下三個(gè)方面進(jìn)行了探索性的研究并取得了一定的成果.1)現(xiàn)有聚類(lèi)算法的分類(lèi)研究.從聚類(lèi)準(zhǔn)則、聚類(lèi)的表示、算法框架等不同角度來(lái)考察并區(qū)分這些算法,然后從混合聚類(lèi)方法、增量聚類(lèi)、自動(dòng)化和可視化等技術(shù)方面對(duì)現(xiàn)有算法加以比較分析評(píng)價(jià).分析了現(xiàn)有算法的優(yōu)缺點(diǎn),以利于進(jìn)一步改進(jìn);通過(guò)對(duì)現(xiàn)有算法的性能評(píng)述,有利于數(shù)據(jù)挖掘用戶(hù)能夠針對(duì)特定的數(shù)據(jù)集選擇正確的算法,以獲得最優(yōu)化的結(jié)果和性能;也可以為現(xiàn)有算法分

3、類(lèi)比較的進(jìn)一步研究以及建立聚類(lèi)基準(zhǔn)奠定基礎(chǔ).2)聚類(lèi)分析的遺傳算法研究.傳統(tǒng)的基于聚類(lèi)準(zhǔn)則的聚類(lèi)算法本質(zhì)上是一種局部搜索算法,它們采用了一種迭代的爬山技術(shù)來(lái)尋找最優(yōu)解,存在著對(duì)初始化敏感和容易陷入局部極小的致命缺點(diǎn).遺傳算法(GA)是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法,其顯著特點(diǎn)是隱含并行性和對(duì)全局信息的有效利用能力.文中討論了聚類(lèi)分析的遺傳操作改進(jìn)方法,首次提出了基于佳點(diǎn)集GA的聚類(lèi)算法GAmeans,降低了傳統(tǒng)聚類(lèi)算法對(duì)初始化

4、的要求,具有收斂快、較強(qiáng)的穩(wěn)健性和可避免早熟的特點(diǎn).提出了一種混合聚類(lèi)方法HgaMeans,實(shí)驗(yàn)比較測(cè)試表明它具有更好的聚類(lèi)質(zhì)量和綜合性能.3)增量算法探討.增量式聚類(lèi)方法有適應(yīng)大規(guī)模、動(dòng)態(tài)數(shù)據(jù)、降低內(nèi)存需求、可實(shí)現(xiàn)并行處理和增量更新等諸多優(yōu)點(diǎn),而且時(shí)空復(fù)雜性較小.增量算法的要求是聚類(lèi)特征一般是可加的、非迭代的,該文提出了一種基于密度的網(wǎng)格聚類(lèi)算法GDCLUS,并在此基礎(chǔ)上提出了增量式算法IGDCLUS.該算法可發(fā)現(xiàn)任意形狀的聚類(lèi),適用