混合数据最佳聚类数的确定方法与应用

目录

声明

1 引 言

1.1研究背景与意义

1.1.1研究背景

1.1.2研究意义

1.2 国内外研究现状

1.2.1聚类算法的研究现状

1.2.2聚类有效性研究现状

1.2.3 混合数据的聚类有效性问题研究现状

1.3 论文组织结构

1.4本文主要工作

2 聚类有效性相关理论基础

2.1聚类分析一般原理

2.1.1聚类分析的相似性度量

2.1.2聚类分析的基本步骤

2.1.3常用的聚类算法概述

2.2聚类结果的评价

2.2.1聚类有效性评价标准

2.2.2聚类有效性评价指标

2.2.3常见的有效性指标

2.2.4最佳聚类数目的确定方法

3 混合数据最佳聚类数确定方法

3.1混合数据的预处理

3.2基本算法及其改进

3.2.1 k-prototypes 算法及其特点

3.2.2基于简单抽样和分类型数据属性确定初始聚类中心

3.2.3 基于Gower 距离改进分类型数据距离的测算

3.2.4基于混合数据主成分分析法计算分类型数据权重

3.3基于D-S证据理论确定最佳聚类数的方法

3.3.1 D-S 证据理论的基本概念

3.3.2 D-S 证据理论的应用优势

3.3.3 最佳聚类数确定算法DSKP

4 改进的 DSKP 算法的实证分析

4.1数据解读

4.2改进的DSKP算法应用过程及结果

5 几点结论

5.1改进的DSKP算法总结

5.1.1 避免D-S 证据理论的原有缺陷

5.1.2优化混合数据的聚类有效性问题

5.2聚类有效性未来可能的发展方向

5.2.1探索聚类算法对聚类有效性的影响

5.2.2研究算法参数对聚类有效性的影响

5.2.3探究复杂数据下的聚类有效性

5.2.4加强指标构建的理论研究

5.2.5平衡指标性能和效率

参考文献

后 记