基于rough集的層次聚類算法研究及應(yīng)用

《基于rough集的層次聚類算法研究及應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士研究生是壅盤指導(dǎo)教師士送型塾蕉學(xué)科專業(yè)鹽差墊廛旦墊盔論文提交日期圣QQ皇堡晝旦論文答辯日期豳墨望論文評閱人答辯委員會主席盆復(fù)揸益絲逖2009年歲月j口日獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得重慶郵電太堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：關(guān)右

2、荔2簽字日期：少p寧年鄉(xiāng)月糾日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解重迭郵電太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)重迭整電太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：曩磊磊’導(dǎo)師簽名：簽字日期：伽7年籮月叫日簽字日期：∥1年籮月21日重慶郵電大學(xué)碩士論文摘要隨著信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)

3、得到了廣泛的關(guān)注。在數(shù)據(jù)挖掘技術(shù)中有很多研究領(lǐng)域，聚類分析是數(shù)據(jù)挖掘的一個(gè)非?；钴S的研究方向，有著重要的理論意義和應(yīng)用價(jià)值。目前在文獻(xiàn)中存在大量的聚類算法，算法的選擇取決于數(shù)據(jù)的類型，聚類的目的和應(yīng)用。聚類算法具體可以分為劃分方法，層次方法，基于密度的方法，基于網(wǎng)格的方法，以及基于模型的方法等。在中、小規(guī)模的數(shù)據(jù)聚類應(yīng)用中，層次聚類算法不僅適合用于任意屬性和任意形狀的數(shù)據(jù)集，還可以靈活控制不同層次的聚類粒度，因此具有較強(qiáng)的聚類能力。而傳統(tǒng)的凝聚層次聚類算法大部分只能處理數(shù)值屬性數(shù)據(jù)，本文針對字符

4、型數(shù)據(jù)和混合型數(shù)據(jù)的聚類方法進(jìn)行了研究。首先，在經(jīng)典粗糙集(又稱Rough集)理論的基礎(chǔ)上，通過松弛對象之間的不可分辨和相容性條件，得到了基于和諧關(guān)系的擴(kuò)展粗糙集模型。該方法有別于傳統(tǒng)凝聚層次聚類算法中廣泛應(yīng)用的距離方法，采用和諧度的定義，有效地解決了混合屬性對象間的相似性度量問題。其次，重新定義了個(gè)體間不可區(qū)分度、類間不可區(qū)分度、聚類結(jié)果的綜合近似精度等概念，提出了一種新的混合數(shù)據(jù)類型層次聚類算法。該算法不僅能處理數(shù)值型數(shù)據(jù)，而且能處理大多數(shù)聚類算法不能處理的字符型數(shù)據(jù)和混合型數(shù)據(jù)。實(shí)驗(yàn)驗(yàn)證了

5、算法的可行性。最后，結(jié)合web用戶的行為模型，將新的層次聚類算法應(yīng)用于Web用戶挖掘中，提出了一種新的Wcb用戶聚類算法。該算法綜合考慮了Web用戶瀏覽行為中的瀏覽時(shí)間和瀏覽頻率，提高了wcb用戶挖掘的準(zhǔn)確度。實(shí)驗(yàn)證明該算法比單純考慮時(shí)間或單純考慮頻率的算法具有更好的聚類結(jié)果。關(guān)鍵詞：數(shù)據(jù)挖掘，層次聚類，粗糙集，Web用戶挖掘霧琴琴警零爹鬻鼉甍零露臻焉露麓爨霉霹#器翳露鬻鞲鞭鬻舅紊票臻箋詈烹覆焉焉麓靄j重型墮大學(xué)碩士論文Abstract——’—————————————————’—-___-—●●

6、_●_—____-_-_—-—__——_——-_—一一一_AbstractWiththedeVelopmentofinformationtechnology，thedatamininghasbeenpaidmoreattention．Asweknow，thcclusteringisaveryactivefieldinthedataminingresearch．Therefore，therearcdifferentclusteringalgorithmsfitt0differentdatatype

7、s．Clusteringa190rithmscanberealizedthroughthepartitioningmethod，thehierarchicalmethod，thedensity．basedmethod，thegfid—basedmethod，andthemodel．basedmethodctc．Amongmediumandsmallscalcapplicationofdataclustering，Hierarchicalclusteringalgorithmisnot0nlySu

8、itablcforarbitrary．shapedandarbitrary—attributedatasets，butals0flexibilitVt0controltheclustersizeatdifferentleVels．Therefore，ithasastrongabilitytoclustering．Traditionalhierarchicalclusteringalgorithmcanonlydealwiththcnume“caltypedata，thispaperpresent