結合SNN與K-means應用於分類技術之研究

摘要

分类技术是资料探勘领域中一项重要且基本的分析工具,其主要目的是将空间资料区分为多个群集或类别,使得相同的群集内具有高度的相似性,而不同的群集内则具有高度的异质性.K均值法(K-means)是一个大家熟知的非阶层演算法,该法适用於具有球状分布的资料,另外该法具有叠代演算,因此在分类的过程中,样本资料有机会从不适当的群集中改分配至较适当的群集内.而共用临域法(SNN)则是一种以密度为基础的聚类方法,该演算法可以有效地处理具有非球状特性的群集问题.但是共用临域法并无叠代设计,亦即一且资料被指定分群后,即无法重新分类.因此本研究提出了结合SNN与K-means之新的分类演算方法,同时结合两者之优点,期能有效地改良分类技术.本研究针对9种不同分布型态的资料集来进行测试,研究结果显示,本研究所提出新的分类演算方法不但可以分别取代SNN聚类法与K-means分类法,并且能够结合两者之优点明显增加测试样本分类之正确率.