0-基于尺度轉(zhuǎn)換機(jī)制的多尺度聚類(lèi)挖掘算法-(摘要-引言-定義-算法部分)

《0-基于尺度轉(zhuǎn)換機(jī)制的多尺度聚類(lèi)挖掘算法-(摘要-引言-定義-算法部分)》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(lèi)挖掘算法摘要:捉出了-?種基于重要尺度的多尺度聚類(lèi)挖掘算法iMSCA(importantMultiScaleClusteringAlgorithm),同傳統(tǒng)的多尺度聚類(lèi)挖掘算法不同，基于重要尺度的多尺度聚類(lèi)挖掘算法首先在指定的重要尺度實(shí)現(xiàn)聚類(lèi)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其它尺度的聚類(lèi)結(jié)果。實(shí)驗(yàn)數(shù)據(jù)表切，木文捉出的算法iMSCA同傳統(tǒng)的多尺度聚類(lèi)挖掘算法相比具較好的性能。關(guān)鍵詞:聚類(lèi)挖掘、多尺度、尺度轉(zhuǎn)換機(jī)制Abstract：AnimportantMultiScalcClusterin

2、gAlgorithm(iMSCA)isproposed.Unlikethetraditionalmultiscaleclusteringalgorithms,iMSCAclustersthedataonanimportantscale,thenobtainstheclusteringresultsontheotherscaleswhichusersareinterestedinwiththehelpofScaleConvertMechanism?TheexperimentsturnsoutthatiMSCApresentedi

3、nthispaperdocswellcomparedwiththetraditionalmultiscaleclusteringalgorithms.KeyWords：ClusteringMining,Multiscale,SealeConvertMechanism1.引言聚類(lèi)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(lèi)挖掘是解決具冇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)行的研究大多集中于多尺度效應(yīng)與多尺度建模方面等應(yīng)用方而，如以

4、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)涉及時(shí)間尺度的數(shù)據(jù)流進(jìn)行趨勢(shì)預(yù)測(cè)"，并將這種算法成功地應(yīng)用于股票數(shù)據(jù)的分析。另冇學(xué)者將平穩(wěn)小波變換應(yīng)用于多尺度分析提出了應(yīng)用性強(qiáng)的尺度選擇方法進(jìn)而構(gòu)建了兩種分類(lèi)器-SVM分類(lèi)器和Bayes分類(lèi)器-通過(guò)引入多尺度超像索分割生成小I'可點(diǎn)，有學(xué)者提出了一種從雜亂影像中恢復(fù)和分組物體對(duì)稱(chēng)部分的方法“。但對(duì)多尺度聚類(lèi)挖掘的理論研究還比較缺乏，在國(guó)內(nèi)有學(xué)者通過(guò)引入多尺度控制參數(shù)來(lái)調(diào)節(jié)聚類(lèi)挖掘的尺度特性而提出的多尺度譜聚類(lèi)算法［】，基于多尺度并行免疫克隆優(yōu)化聚類(lèi)算法U實(shí)現(xiàn)了在不同的進(jìn)化時(shí)期分別以

5、大小不同的多種尺度并行地實(shí)現(xiàn)最優(yōu)解空間的快速定位與精確查找，基于小波分解和領(lǐng)域信息的多尺度FCM聚類(lèi)算法口大人提高了圖像分割的效率、抗噪性和均勻性。但這些基于數(shù)據(jù)的多尺度特性進(jìn)行的聚類(lèi)挖掘大多是通過(guò)引入調(diào)節(jié)聚類(lèi)尺度的控制參數(shù)U來(lái)實(shí)現(xiàn)在每種尺度上的聚類(lèi)挖掘。但這種挖掘算法需要在每一種尺度上進(jìn)行挖掘，計(jì)算雖大，在用戶不感興趣的尺度上進(jìn)行的挖掘結(jié)果得不到用戶的認(rèn)可，造成資源浪費(fèi)，也不能實(shí)現(xiàn)在某一-指定尺度上的實(shí)時(shí)聚類(lèi)挖掘。針對(duì)這些多尺度聚類(lèi)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(lèi)挖掘算法iMSCA(importan

6、tMulti-ScalcbasedClusteringAlgorithm),算法先在指定的基尺度BS(BasicScale)_h進(jìn)行聚類(lèi)挖掘，再借助于尺度轉(zhuǎn)換機(jī)制SCM(ScaleConvertMechanism)對(duì)其它尺度進(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(lèi)算法存在的不足，聚類(lèi)效果亦能得到保證。木文第二部分對(duì)算法思想進(jìn)行闡述，并引入了基尺度的概念和尺度轉(zhuǎn)換機(jī)制；第三部分詳細(xì)描述了本文的算法過(guò)程；第四部分對(duì)本文算法的性能進(jìn)行了分析和驗(yàn)證；最后對(duì)本文研究工作進(jìn)行了總結(jié)和展望。2.基尺度與尺度轉(zhuǎn)換機(jī)制針對(duì)傳統(tǒng)多

7、尺度聚類(lèi)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)制具有多尺度特性的空間或時(shí)空數(shù)據(jù)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)了四種含義涉多尺咖機(jī)喚其咖,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，cl)研究對(duì)象的尺度。鑒于此并結(jié)合木文研究的盂要冇必要對(duì)尺度的一些基木概念進(jìn)行定義，并在此基礎(chǔ)上引入尺度轉(zhuǎn)換機(jī)制。定義1尺度(Scale)：是指對(duì)某一事物或現(xiàn)彖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

8、說(shuō)明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)某省人口數(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)所采用的空間尺度，若尺度S所表示的空間單位比尺度S'更大(更小)，則稱(chēng)尺度S比尺度S*更人(更小)，記作s》°s*(Sy°S‘