- 1、本文档共60页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
在大数据时代,如何从具有不确定性的大规模数据中获取有价值的信息,是大数据
领域重要的研究内容之一.聚类分析是大数据处理的一种有效方法,在众多领域都得到
了广泛应用.但由于传统的聚类方法只有属于和不属于两种决策,在信息不完备或不确
定时,则会造成划分的不准确.为了解决传统聚类方法存在的问题,于洪将聚类与三支决
策结合,提出了三支聚类方法.目前,三支聚类方法得到了广泛的研究和扩展,并被应用到
许多领域.
本文基于邻域关系和基于共现概率的相似关系,研究了邻域粗糙集和相似粗糙集,
提出了这两种粗糙集下的三支聚类模型,并给出了基于邻域关系的三支聚类模型阈值的
确定方法.进一步通过将等价关系扩展到邻域关系和基于共现概率的相似关系,研究了
局部邻域粗糙集和局部相似粗糙集,并将其引入三支聚类,提出了基于局部邻域粗糙集
和局部相似粗糙集的三支聚类模型.主要研究内容如下:
KM
第一部分研究了基于邻域关系的三支聚类模型.首先提出了一种改进的-eans算
法,确定了基于K-Means的聚类数,继而在邻域粗糙集中,利用目标子集的精度和边界域,
定义了权衡边界域和精度之间关系的有效性评价指标.基于此指标,给出了确定邻域最
佳阈值的构建算法.最后,将改进的K-Means算法应用到三支聚类中,提出了基于邻域关
系的三支聚类模型.通过实验验证模型的可行性.
第二部分研究了基于共现概率的三支聚类模型.首先提出了聚类下的共现概率,通
过朴素贝叶斯理论给出共现概率的求解方法.进一步定义了基于共现概率的相似关系,
提出了基于共现概率的相似粗糙集.最后,将基于共现概率的相似粗糙集引入三支聚类,
提出了基于共现概率的三支聚类模型.通过实验验证该模型的可行性.
第三部分研究了基于局部粗糙集的三支聚类模型.针对等价关系下的局部粗糙集,
首先将等价关系扩展到邻域关系和基于共现概率的相似关系,研究了局部邻域粗糙集和
局部相似粗糙集.将局部等价粗糙集、局部邻域粗糙集和局部相似粗糙集引入到三支聚
类,提出了基于局部等价粗糙集、基于局部邻域粗糙集和基于局部相似粗糙集的三支聚
类模型,通过实验验证了基于局部相似粗糙集的三支聚类模型的可行性.
关键词:K-Means聚类,三支聚类,邻域关系,共现概率,局部粗糙集
i
Abstract
Inthebigdataage,obtainingvaluableinformationfromlarge-scaledatawithuncertainty
isoneoftheimportantresearchcontentsinthebigdatafield.Clusteringanalysisisaneffective
methodofbigdataprocessing,whichhasbeenappliedinmanyfields.Sincethetraditional
clusteringmethodjusthastwokindsofdecisionwithbelongingtoornotbelongingto,it
inducestheinaccuratedivisionfortheincompleteoruncertaininformation.Inordertosolve
theproblemsoftraditionalclustering,byintroducingtheclusteringanalysisintothree-way
decision,three-wayclusteringmethodisproposed.Atprese
文档评论(0)