基于网格点密度估计的聚类算法研究

发布时间：2020-05-16 03:27

【摘要】：机器学习算法的研究是人工智能领域中的一个重要分支,它涉及到众多学科的交叉融合。机器学习算法的研究对象是怎样模拟人类的行为以学习新的知识从而更新知识结构、改善自身的性能。机器学习领域的研究在近些年来已经取得了很大的进展,各种各样的机器学习算法也被提了出来。机器学习算法通常情况下可以被分为三大类:有监督学习算法、无监督学习算法和半监督学习算法。聚类分析算法是其中最具有代表性的一种无监督机器学习算法。该类算法依据数据点的某种属性将数据集中相似的数据点划分到同一个类簇中而把非相似的数据点划分到不同的类簇。尽管各种各样的聚类算法已经被提出,但是大多数传统的聚类方法只能适用于球形类簇的聚类并且算法的聚类结果可能会受到参数设置和初始化的影响。此外,当数据集中数据点数量和数据维度的规模变得非常大时,聚类算法的效率将受到时间复杂性和空间复杂性的限制。因此,本论文中提出了一种快速稳定基于网格的能够识别任意形状类簇的聚类方法,该算法还能够稳定地应对大数据集的聚类。改进的方法中,首先该方法运用给定的公式自动化确定网格的划分区间数目,然后算法计算划分网格中网格节点处的密度值而非传统方法中的网格密度。最后,算法依据网格节点的密度值采用经典的广度优先搜索算法进行聚类操作。在多个人工数据集和真实数据集上的实验结果表明,该方法比传统的聚类方法更加有效。此外,聚类算法结果的评价通常需要计算聚类评价指标的值,传统的点对比较方法对于大数据集的评价指标计算效率比较低。本论文中给出了利用混淆矩阵计算聚类结果评价指标的方法,实验结果表明该方法能够明显地提高获取评价指标值的效率。
【图文】：

标签,数据集,聚类,实验结果

兰州大学硕士学位论文基于网格点密度估计的聚类算法研究n 为数据点的总数目。 √ (3-1)该公式中还有一个值得注意的地方是数据集所有维度的 K 值之乘积为 n，，这与文章[33]中所提出的思想有类似之处。实验过程中由于 K-means 算法的结果具有一定的波动性，故而进行了多次实验取其结果的均值以增强结果的可靠性。实验过程中运用了几个真实的公开数据集进行验证，数据集的详细介绍将在第四章中详细说明。该方法得到的实验结果如图 3-1 所示。

示意图,网格节点,网格,示意图

如图3-2 所示：图 3-2 网格与网格节点示意图传统的方法中，网格里面包含的数据点个数即为该网格的密度值。而在改进的聚类算法中，密度值的计算不是统计网格中数据点的个数而是计算如上图所示网格节点的密度值。首先，该方法中的数据集需要进行归一化处理，该方法对数据集进行变换使得其结果的值域位于[0,1]之间。其归一化处理的函数如 3-2 所示： (3-2)其中 X 代表原始数据集的值，MIN 和 MAX 分别代表数据集中该维度的数据点值的最小值和最大值，经过该函数的变化可以得到归一化处理的结果[36]。归一化处理完成后，数据点需要被划分到网格中。设算法中划分网格的数目大小为 k，则可以运用式子 3-3 对数据点进行划分操作。
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13

【相似文献】