資源描述：
《基于核心集粗化的多層次聚類算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中圖分類號：TP391論文編號：102870814-S011學(xué)科分類號：080202碩士學(xué)位論文基于核心集粗化的多層次聚類算法研究生姓名王萍學(xué)科、專業(yè)應(yīng)用數(shù)學(xué)研究方向模式識別指導(dǎo)教師馬儒寧副教授南京航空航天大學(xué)研究生院理學(xué)院二О一四年一月萬方數(shù)據(jù)NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofScienceMultilevelCore-setsCoarseningbasedClusteringAlgorithmAThesisinMathema
2、ticsbyWangPingAdvisedbyProf.MaRuningSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceJanuary,2014萬方數(shù)據(jù)承諾書本人聲明所呈交的碩士學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果．除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京航空航天大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料．本人授權(quán)南京航空航天大學(xué)可以將學(xué)位論文的全部或部
3、分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文．（保密的學(xué)位論文在解密后適用本承諾書）作者簽名：日期：萬方數(shù)據(jù)南京航空航天大學(xué)碩士學(xué)位論文摘要聚類分析是一種無監(jiān)督的學(xué)習(xí)方式，是海量數(shù)據(jù)分析的重要工具之一。對于同一數(shù)據(jù)集，使用不同的聚類算法產(chǎn)生的聚類結(jié)果也不同。至今，眾研究學(xué)者提出了各種各樣的聚類算法?；诙鄬哟慰蚣艿木垲愃惴ㄊ墙陙沓霈F(xiàn)的一類備受關(guān)注的聚類算法,能聚類大規(guī)模且任意形狀的數(shù)據(jù)，經(jīng)典的算法有METIS，Graclus，F(xiàn)AP等。多層次聚類算法的步驟一般分為粗化、劃分、細(xì)化三部分，其中粗化
4、過程旨在逐層尋找每層數(shù)據(jù)集的代表點(diǎn)，以獲得易于劃分的小規(guī)模數(shù)據(jù)集，顯然是多層次聚類框架的關(guān)鍵步驟。在METIS、Graclus等方法中，利用頂點(diǎn)和邊的權(quán)重的某些準(zhǔn)則合并頂點(diǎn)和邊，來實(shí)現(xiàn)粗化，其缺點(diǎn)是粗化之后的小規(guī)模數(shù)據(jù)集無法準(zhǔn)確表述原數(shù)據(jù)集的全局信息和結(jié)構(gòu)。為此，本文通過定義“多層核心集”，提出一種基于多層核心集的粗化算法，并建立了相應(yīng)的多層次聚類算法(MultilevelCore-setsCoarseningbasedClusteringAlgorithm）。基于多層核心集的粗化可以逐層保留數(shù)據(jù)集的全局信息，其最頂層核心點(diǎn)的個(gè)數(shù)與聚
5、類個(gè)數(shù)相同，每個(gè)核心點(diǎn)對應(yīng)了一個(gè)單獨(dú)的類，因此不需要經(jīng)典多層次聚類框架中的劃分過程，即可通過細(xì)化算法映射到原數(shù)據(jù)集，完成整個(gè)聚類過程。實(shí)驗(yàn)結(jié)果表明了本文提出算法的有效性。關(guān)鍵詞：多層，粗化，核心集，聚類I萬方數(shù)據(jù)基于核心集粗化的多層次聚類算法AbstractAsanimportantcomponentofunsupervisedpatternclassification,clusteringanalysishasbecomeanimportanttoolinmoderndataanalysis.Tothesamedataset,dif
6、ferentclusteringalgorithmsusuallygeneratedifferentresults.Sofar,manyresearchershasputforwardvariousclusteringalgorithms.Inrecentdecades,themultilevelframeworkbasedclusteringalgorithm,suchasMETIS,Graclusandsoon,hasattractedmuchattentionforthefactthatitcanbeappliedtoclust
7、erlarge-scaleandarbitraryshapedatasets.Suchapproachcanbedividedintothreesteps，includingcoarsening,initialpartitioningandrefinement.Thecoarseningphaseistoobtainsmalldatasetsthroughsearchingtherepresentativepointofdatasetlocatedineverylevel,forwhichitisthecriticalstepamon
8、gthemultilevelclusteringframework.InMETISandGraclus,thecoarseningprocedurecanbeinterpretedasaprocessofaggregat
