基于多粒度的增量属性聚类方法研究

发布时间：2021-06-09 09:34

　　聚类分析能够通过划分数据得到蕴含的有效信息,现在已经广泛应用于交通、工业等相关领域。而传统的二支聚类表示不能明确地表示那些不确定类簇归属的对象。三支聚类表示采用两个集合,通过核心域和边缘域来刻画类簇可以克服这个问题。但是目前的聚类算法大部分只能处理静态数据集,这种静态的处理方式显然不适用于处理动态数据集。增量聚类算法是行之有效的处理动态数据的一种方法。然而针对属性增量数据的聚类研究还较少。因此,针对属性增量数据的聚类问题,本文基于粒计算、三支聚类等方法展开了如下研究工作。针对属性增量数据聚类问题,本文提出了一种多粒度增量属性的聚类算法。该算法通过密度峰值算法获得初始聚类结果;然后对于某一时刻新增的属性粒集合,将其与原有属性粒结合,形成多粒度层;在不重复聚类的前提下,通过对象的邻域信息结合原有的聚类结果动态地更新聚类结果,直至没有新的属性粒集合加入为止。针对对象含有不确定信息的属性增量数据聚类问题,本文将上述方法进行改进提出了基于多粒度的增量属性三支聚类算法。该算法首先通过密度峰值算法获得三支表示的初始聚类结果;然后对于某一时刻新增的属性粒集合,先过滤冗余属性,将剩余属性加入到原有属性粒... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

散点图

决策图

Iris数据集结果

【参考文献】：
期刊论文
[1]一种多粒度增量属性的聚类方法[J]. 刘杭雨,于洪.  小型微型计算机系统. 2019(03)
[2]基于TOPSIS的三支决策评价模型[J]. 孙作雨,于洪,王国胤.  数据采集与处理. 2018(05)
[3]基于Spark的三支聚类集成方法[J]. 于洪,陈云.  郑州大学学报(理学版). 2018(01)
[4]基于粒计算的大数据处理[J]. 徐计,王国胤,于洪.  计算机学报. 2015(08)
[5]基于增量型聚类的自动话题检测研究[J]. 张小明,李舟军,巢文涵.  软件学报. 2012(06)
[6]采用属性聚类的高维子空间聚类算法[J]. 牛琨,张舒博,陈俊亮.  北京邮电大学学报. 2007(03)
[7]基于粗糙集的图像聚类分割方法研究[J]. 刘岩,岳应娟,李言俊,张科.  红外与激光工程. 2004(03)
[8]一种基于Rough集的层次聚类算法[J]. 刘少辉,胡斐,贾自艳,史忠植.  计算机研究与发展. 2004(04)
[9]模糊商空间理论(模糊粒度计算方法)[J]. 张铃,张钹.  软件学报. 2003(04)
[10]基于密度的增量式网格聚类算法(英文)[J]. 陈宁,陈安,周龙骧.  软件学报. 2002(01)

硕士论文
[1]面向高维数据的动态随机投影三支聚类方法研究[D]. 张海波.重庆邮电大学 2017
[2]一种基于树结构的三支增量聚类算法研究[D]. 张聪.重庆邮电大学 2015
[3]基于聚类的增量数据挖掘研究[D]. 陈峰.大连海事大学 2007



本文编号：3220338