資源描述：
《0-基于尺度轉(zhuǎn)換機(jī)制的多尺度聚類挖掘算法-org》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于尺度轉(zhuǎn)換機(jī)制的多尺度聚類挖掘算法摘要:提出了一種基于秉要尺度的多尺度聚類挖掘算法iMSCA(importantMultiScaleClusteringAlgorithm),M傳統(tǒng)的多尺度聚類挖掘算法不M,某于重耍尺度的多尺度聚類挖掘算法首先在指定的重要尺度實(shí)現(xiàn)聚類挖掘結(jié)果，再通過(guò)尺度轉(zhuǎn)換機(jī)制求得用戶感興趣的K它尺度的聚類結(jié)果。實(shí)驗(yàn)數(shù)據(jù)表明，木文提出的算法iMSCA同傳統(tǒng)的多尺度聚類挖掘算法相比其較好的性能。關(guān)鍵詞:聚類挖掘、多尺度、尺度轉(zhuǎn)換機(jī)制Abstract：AnimportantMultiScaleClusteringAlgorithm(iMSCA)isproposed.Unlike
2、thetraditionalmultiscaleclusteringalgorithms,iMSCAclustersthedataonanimportantscale,thenobtainstheclusteringresultsontheotherscaleswhichusersareinterestedinwiththehelpofScaleConvertMechanism.TheexperimentsturnsoutthatiMSCApresentedinthispaperdoeswellcomparedwiththetraditionalmultiscaleclusteringalg
3、orithms.KeyWords：ClusteringMining,Multiscalc,SealeConvertMechanism1.引言聚類挖掘是數(shù)據(jù)挖掘研究領(lǐng)域重要的組成部分，而多尺度聚類挖掘是解決具行多尺度特性的空間或時(shí)空數(shù)據(jù)的挖掘算法，亦將數(shù)據(jù)挖掘理論研究推向了另一個(gè)新的研究層次與方向。在國(guó)外，針對(duì)空間或時(shí)空數(shù)據(jù)的多尺度特性進(jìn)行的研究人多集中于多尺度效應(yīng)與多尺度建模方面等應(yīng)川方面，如以非監(jiān)督多尺度數(shù)據(jù)流算法基于數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)流對(duì)涉及吋間尺度的數(shù)裾流進(jìn)行趨勢(shì)預(yù)測(cè)u，并將這種算法成功地應(yīng)用于股票數(shù)椐的分析。：W冇學(xué)者將平穩(wěn)小波變換應(yīng)川于多尺度分析提出了應(yīng)川性強(qiáng)的尺度選擇方法進(jìn)而構(gòu)建了W
4、種分類器一SVM分類器和Bayes分類器11。通過(guò)引入多尺度超像素分割生成屮間點(diǎn)，有學(xué)考提出了一種從雜亂影像中恢和分組物體對(duì)稱部分的方法n。但對(duì)多尺度聚類挖掘的理論研究還比較缺乏，在國(guó)內(nèi)奮學(xué)者通過(guò)引入多尺度控制參數(shù)米調(diào)節(jié)聚類挖掘的尺度特性而提出的多尺度譜聚類算法［］,基于多尺度外行免疫克隆優(yōu)化聚類算法11實(shí)現(xiàn)Y在不同的進(jìn)化吋期分別以人小不同的多種尺度并行地實(shí)現(xiàn)敁優(yōu)解空間的快速定位與精確查找，某于小波分解和領(lǐng)域信息的多尺度FCM聚類算法［］人人提高了圖像分割的效率、抗噪性和均勻性。似這些基于數(shù)據(jù)的多尺度特性進(jìn)行的聚類挖掘人多足通過(guò)引入調(diào)節(jié)聚類尺度的控制參數(shù)［］來(lái)實(shí)現(xiàn)在每種尺度上的聚類挖掘。但這
5、種挖掘算法需要在每一種尺度上進(jìn)行挖掘，計(jì)算fi大，在用戶不感興趣的尺度上進(jìn)行的挖掘結(jié)果得不到川戶的認(rèn)可，造成資源浪費(fèi)，也不能實(shí)現(xiàn)在某-?指定尺度上的實(shí)時(shí)聚類挖掘。針對(duì)這些多尺度聚類挖掘算法的不足，本文提出了一種基于尺度轉(zhuǎn)換機(jī)制的多尺度聚類挖掘算法iMSCA(importantMulti-ScalebasedClusteringAlgorithm),算法先在指定的基尺度BS(BasicScale)上進(jìn)行聚類挖棚，再借助于尺度轉(zhuǎn)換機(jī)制SCM(ScaleConvertMechanism)對(duì)K它尺度進(jìn)行挖掘。實(shí)驗(yàn)數(shù)據(jù)表明，木算法很好地克服了傳統(tǒng)多尺度聚類算法存在的不足，聚類效果亦能得到保證。本文第二
6、部分對(duì)算法忍想進(jìn)行闡述，并引入了某尺度的概念和尺度轉(zhuǎn)換機(jī)制；第三部分詳細(xì)描述/本文的算法過(guò)稈：第四部分對(duì)本文算法的性能進(jìn)行了分析和驗(yàn)證；蛣后對(duì)木文研究工作進(jìn)行了總結(jié)和展望。1.基尺度與尺度轉(zhuǎn)換機(jī)制針對(duì)傳統(tǒng)多尺度聚類挖掘存在的不足,本文通過(guò)引入基尺度與尺度轉(zhuǎn)換機(jī)制具奮多尺度特性的空間或時(shí)空數(shù)裾庫(kù)進(jìn)行挖掘。尺度在學(xué)術(shù)界并沒(méi)冇一個(gè)確定的概念，1992年，Lam和Quattrochi對(duì)尺度總結(jié)了四種含義1g胃，分別是a)傳統(tǒng)意義下的制圖比例尺或地圖比例尺，b)地理范圍或研究問(wèn)題的域，c)空間分辨率，d)研究對(duì)象的尺度。鑒于此并結(jié)合本文研究的需要冇必要對(duì)尺度的一些葙本概念進(jìn)行定義，并在此葙礎(chǔ)上引入尺度
7、轉(zhuǎn)換機(jī)制定義1尺度(Scale):是桁對(duì)某一事物或現(xiàn)象0(Qbject)進(jìn)行研究時(shí)所采用的空間或時(shí)間單位，記作S(文中若無(wú)特殊說(shuō)叨均指研究所采用的空間單位，如某地區(qū)5mx5m的影像數(shù)據(jù)，對(duì)某竹人U1數(shù)據(jù)按村級(jí)單位進(jìn)行統(tǒng)計(jì)等)。定義2大、小尺度：設(shè)S、S’是研究某一事物或現(xiàn)象0時(shí)所采用的空尺度，若尺度s所表示的空問(wèn)單位比尺度s’更大(更小)，則稱尺度s比尺度s’更大(更小)，記作sy而尺度S’比尺度S更小(更大
