資料群聚性之研究

《資料群聚性之研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、資料群聚性之硏究抬導(dǎo)教授：陳彥良博士撰寫人：許昌齡問題的說明與定義群聚(clustering)是把有形或抽象的物件歸類到類似物件的類別的過程；將類似物件集合成同群，不同群物件的集合不相似，群聚與分類最大不同是'群聚不預(yù)先知道類別標(biāo)籤，而把資料歸類成新類別［Han2000］。例如它可透過數(shù)學(xué)方法來尋找空間物件的相似性，而分析最終戸的是將資料進(jìn)行分類的工作。群聚方法的典型需求如下［Han2000］:?需要極少領(lǐng)域知識去決定輸入?yún)?shù)。有處理不同型態(tài)屬性的能力。?高維度。?發(fā)現(xiàn)任何形狀群聚。?處理雜値的能力。?延展性:有效率地處理大型

2、資料庫。?可解釋性:透過這模型所能了解和洞察的水準(zhǔn)。?限制基礎(chǔ)(constraint-based)群聚。它有那些的應(yīng)用群聚法廣泛地應(yīng)用在許多領(lǐng)域，例如模式識別，資料分析，和圖像處理。例如市場分析領(lǐng)域'分群基於顧客購買模式［Han2000］。目前的硏究現(xiàn)況'有那些議丿已經(jīng)被討論了＞結(jié)果如何目前的硏究依方法分類有下列五種，茲探討如下:分割方法(Partitioning)此種爲(wèi)亦稱非層次化方法‘目標(biāo)通常是將資料分割到類似小組裡，創(chuàng)造分群的集合°K-means[MacQueen67]企圖把一套資料分成子集，因此在給定的子集之內(nèi)指向在對

3、其他子集的成員顯著地不同時對彼此有一定程度的相似之處。這樣的子集通常叫作一分群，它優(yōu)點(diǎn)是很快速。K-means的步驟由使用者設(shè)定要找多少個群組，設(shè)要找K個群組在資料庫中以亂數(shù)找出K個點(diǎn)來當(dāng)作初始的質(zhì)心，驗(yàn)證這K個點(diǎn)是否爲(wèi)最後之質(zhì)心，如果是則完成，如果否則繼續(xù)尋找，直到都符合爲(wèi)止。k-medoids[Kaufman90]在處理noise及outlier較k?means健全。k-mode[Huang98]擴(kuò)展k-means透過使用對於categoricalobject簡單相匹配不相似性測量。K-prototypes[Huang98

4、]整合K-means及k-modes能針對numeric及cate-gorical値作群聚°CLARANS(ClusteringLargeApplicationsBaseduponRandomizedSearch)[Ng94]起源於兩演算法，PAM(PartitioningAroundMedoids)及CLARA(Clust-eringLargeApplication)，CLARANS的缺點(diǎn)是被群聚的物體都存在主記憶體中，因此計(jì)算二分群間總距離是昂貴的。Easteretal.[Ester95]整合R*tree[Bradly98

5、]去改善CLARANS的效能。階層方法(Hierarchical)涉及將資料組織到大群組裡，大群組裡含有更小的群組並.冃依此類推，此種群聚過程稱之。以歐式距離(Euclideandistance)計(jì)算相似度，方法分成凝聚法(agglomerative)爲(wèi)bottomup及分散法(divise)爲(wèi)topdown°BIRCH(BalancedIterativeReducingandClustering)[Zhang96]提出ClusteringFeature(CF)及CF樹槪念，CF代表子分群，動態(tài)建一平衡壓縮的CF樹然後對葉節(jié)點(diǎn)

6、群聚，焦點(diǎn)在以代表物體減少考慮的物體的數(shù)目，集中於有關(guān)分群和一分群擁有貢獻(xiàn)物體可減短查詢。CF樹與CLARANS合用有不錯的效能。傳統(tǒng)群聚法最喜歡球狀和類似的分群尺寸，或?qū)秓ut1iers易破碎。CURE[Guha98]能處理非球形的形狀和變化尺寸'對於outliers較健全，它不處理categorical屬性，忽視兩不同分群物件間的聚集(aggregate)互連的資訊。jfijR0CK[Guha99]處理categorical屬性，基於互連度而合倂兩分群，當(dāng)強(qiáng)調(diào)互連時，忽視兩不同分群的相似資訊。Chameleon[Kary

7、pis99]使用動態(tài)模式，主要改善CURE及ROCK的上述缺點(diǎn)。密度基礎(chǔ)方法(density-based)DBSCAN[Ester96]它將含有雜訊之空間資料，選出高密度區(qū)域爲(wèi)任何形狀之分群。DBSCAN交給使用者從已發(fā)現(xiàn)可接受之分群中去決定參數(shù)，這些參數(shù)常以經(jīng)驗(yàn)(或觀察)爲(wèi)依據(jù)，因此很難去決定，爲(wèi)了解決此問題Optics[Ankerst99]計(jì)算一個密度基礎(chǔ)的分群順序，它擴(kuò)充DBSCAN，根據(jù)此順序自動去處理參數(shù)。Optics結(jié)構(gòu)與DBSCAN相等，時間複雜度一樣。DENCLUE[Hinneburg98]將資料存到cel1中

8、成樹狀存取結(jié)構(gòu)較DBSCAN快速。格子基礎(chǔ)方法(Grid-based)STING[Wang97]探索存在格子cell的統(tǒng)計(jì)資訊，其缺點(diǎn)是分群形狀其邊不是水平就是垂直，此點(diǎn)儘管有快速時問'但會有損及其品質(zhì)及正確率。WaveCluster[Sheikholeslami98]採密度