聚類算法及其在客戶行為分析中的應(yīng)用研究.pdf

1、聚類分析是數(shù)據(jù)挖掘中一項(xiàng)重要的技術(shù)。聚類的任務(wù)是把數(shù)據(jù)集中的對(duì)象組成多個(gè)有意義的子類，在同一子類中的對(duì)象彼此相似，不同子類中的對(duì)象不相似。本文重點(diǎn)研究了聚類分析中的兩項(xiàng)關(guān)鍵技術(shù)：聚類中心點(diǎn)初始化和孤立點(diǎn)檢測(cè)，同時(shí)探討了它們?cè)诳蛻粜袨榉治鲋械膽?yīng)用。 本文分析了聚類中心點(diǎn)初始化的必要性，以及現(xiàn)有的三類聚類中心點(diǎn)初始化算法。在此基礎(chǔ)上，融合了基于網(wǎng)格的聚類算法和基于密度的聚類算法的基本思想，提出了基于動(dòng)態(tài)網(wǎng)格生成技術(shù)的聚類中心點(diǎn)初始化

2、算法DGICC。該算法采用動(dòng)態(tài)網(wǎng)格的生成技術(shù)，通過計(jì)算連通密集區(qū)域的重心來生成初始的聚類中心。仿真實(shí)驗(yàn)表明，與現(xiàn)有的算法相比，DGICe能更有效減少K-means算法的迭代次數(shù)，獲得較為理想的聚類精度。同時(shí)隨著數(shù)據(jù)集實(shí)例數(shù)、維度的增加，算法的時(shí)間復(fù)雜度呈近似線性增加。 同時(shí)，在分析了現(xiàn)有的幾類孤立點(diǎn)檢測(cè)方法的基礎(chǔ)上，針對(duì)其對(duì)高維數(shù)據(jù)處理的不足，本文提出了基于轉(zhuǎn)換聚類的孤立點(diǎn)檢測(cè)算法ODCC。該算法將孤立點(diǎn)問題定位在轉(zhuǎn)換空間中，通