數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)是一種從海量數(shù)據(jù)中獲取有用信息與知識(shí)的有效手段,是多門學(xué)科融合的結(jié)晶,具有重要的實(shí)用價(jià)值和廣闊的應(yīng)用前景。數(shù)據(jù)挖掘技術(shù)在蓬勃發(fā)展的同時(shí)也面臨著挑戰(zhàn),傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)只能處理靜態(tài)數(shù)據(jù)庫中的數(shù)據(jù),但在實(shí)際的應(yīng)用中數(shù)據(jù)往往是動(dòng)態(tài)變化的,演化數(shù)據(jù)就是這樣的一種數(shù)據(jù),其數(shù)據(jù)的分布隨著時(shí)間的變化而變化,傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)無法處理這種問題,因此研究專門的處理演化數(shù)據(jù)的算法就很有必要。
　　演化數(shù)據(jù)聚類是演化數(shù)據(jù)學(xué)習(xí)的重點(diǎn)和難點(diǎn),本

2、文對(duì)演化數(shù)據(jù)聚類進(jìn)行研究提出了二種指數(shù)衰減的演化數(shù)據(jù)聚類框架,根據(jù)平滑正則項(xiàng)含義的不同和選取的原型算法的不同得到了四種具體的演化數(shù)據(jù)聚類算法:KM-ED-PCQ算法、NC-ED-PCQ算法、KM-ED-PCM算法和NC-ED-PCM算法。本文主要研究了以下三方面的內(nèi)容:
　　首先,本文簡(jiǎn)要地介紹了數(shù)據(jù)挖掘和傳統(tǒng)的聚類分析技術(shù),然后研究了演化數(shù)據(jù)的聚類問題,闡述了演化數(shù)據(jù)本身的特點(diǎn),演化數(shù)據(jù)聚類的研究現(xiàn)狀,常用的演化數(shù)據(jù)聚類方法等,

3、并對(duì)典型的顯式建模聚類方法和平滑正則聚類方法進(jìn)行了對(duì)比分析。
　　其次,針對(duì)平滑正則聚類方法的聚類結(jié)果不夠平滑的問題,本文增加了時(shí)間正則項(xiàng),并使用指數(shù)衰減的思想來表現(xiàn)不同時(shí)刻的時(shí)間正則項(xiàng)的影響,根據(jù)時(shí)間正則項(xiàng)含義的不同得到二種演化數(shù)據(jù)聚類框架ED-PCQ和ED-PCM,分別將K-means算法和譜聚類算法作用于上述框架得到了四種實(shí)用的指數(shù)衰減的演化數(shù)據(jù)聚類算法。
　　最后,通過在高斯數(shù)據(jù)集和KDD-CUP99數(shù)據(jù)集上的實(shí)驗(yàn),