基于支持向量排序的分割聚類算法研究

《基于支持向量排序的分割聚類算法研究》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(kù)。

1、分類號(hào)：TP39單位代碼：10183研究生學(xué)號(hào)：2013532096密級(jí)：公開吉林大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）基于支持向量排序的分割聚類算法研究PartitioningClusteringAlgorithmResearchBasedonSupportVectorRanking作者姓名：栗寒冰專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)研究方向：商務(wù)智能指導(dǎo)教師：王巖副教授培養(yǎng)單位：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院2016年5月基于支持向量排序的分割聚類算法研究PartitioningClusteringAlgorithmResearc

2、hBasedonSupportVectorRanking作者姓名：栗寒冰專業(yè)名稱：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：王巖副教授學(xué)位類別：工學(xué)碩士答辯日期：2016年5月24日未經(jīng)本論文作者的書面授權(quán)，依法收存和保管本論文書面版本、電子版本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩±學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的碩±學(xué)位論文，是本人在指導(dǎo)

3、教師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不包含任何其它個(gè)人或集體已經(jīng)發(fā)表或挺寫過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體。，均己在文中明確方式標(biāo)明本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)■。＞＾學(xué)位論文作者簽名；襄芙４日期；２０１６年Ｓ月之備日摘要摘要基于支持向量排序的分割聚類算法研究隨著互聯(lián)網(wǎng)技術(shù)的普及，各種信息泛濫、信息冗余的問(wèn)題日漸增多，如何幫助用戶找到、提煉其中的潛在價(jià)值信息推動(dòng)了對(duì)海量數(shù)據(jù)進(jìn)行分類的研究。聚類算法可

4、以探索數(shù)據(jù)集分布情況并能將其進(jìn)行聚類，它是數(shù)據(jù)挖掘的重要工具和統(tǒng)計(jì)分析方法。目前，聚類分析在各類學(xué)科和行業(yè)等都有普遍的應(yīng)用。常用的聚類方法根據(jù)其算法思想的不同可以歸納為以下幾類方法：基于劃分法、基于模型法、基于密度法、基于網(wǎng)格法以及層次法。隨著聚類方法的不斷深入研究，聚類方法體系的不斷完善，核聚類算法逐漸受到關(guān)注。支持向量聚類（SupportVectorClustering，SVC）算法就是一類基于核的聚類分析方法。相比于其他的聚類算法，支持向量聚類有一些特別的優(yōu)勢(shì)：第一，SVC對(duì)數(shù)據(jù)集的形狀和數(shù)目

5、沒(méi)有特別要求，可以識(shí)別任何分布狀態(tài)的簇。第二，SVC可以識(shí)別一部分噪聲數(shù)據(jù)點(diǎn)并能夠分類相互交錯(cuò)重疊的簇。第三，SVC利用核函數(shù)的思想實(shí)現(xiàn)數(shù)據(jù)空間到特征空間的非線性與線性轉(zhuǎn)換，可處理結(jié)構(gòu)復(fù)雜的數(shù)據(jù)。但是SVC仍然存在一定的缺陷，它的高耗費(fèi)和低性能也影響到了它的廣泛應(yīng)用。而一種基于相似度的點(diǎn)排序分割聚類算法正好可以彌補(bǔ)SVC算法在算法性能上的不足，該算法在數(shù)據(jù)處理上速度較快，聚類質(zhì)量也比一般的聚類效果要好，但是由于其在點(diǎn)排序階段未加處理的直接根據(jù)距離度量對(duì)所有的樣本點(diǎn)進(jìn)行排序，使得同簇的樣本點(diǎn)被拆開排到

6、其他簇的元素之中，造成非同簇元素間的錯(cuò)排，在某種程度上也影響了聚類質(zhì)量。綜合支持向量聚類和點(diǎn)排序分割聚類這兩種算法各自的優(yōu)缺點(diǎn)，本文提出一種基于支持向量排序的分割聚類算法（PartitioningClusteringBasedonSupportVectorRanking，PC-SVR）。該算法從理論上繼承了這兩種算法的一些優(yōu)點(diǎn)，并有效地避免了它們各自的一些缺點(diǎn)，既保證了聚類質(zhì)量，又提高了聚類的速度。為驗(yàn)證PC-SVR算法的可行性與聚類性能，本文分別使用了兩組人工模擬數(shù)據(jù)集和四組真實(shí)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，并

7、與其他幾種經(jīng)典聚類算法做對(duì)比，聚類結(jié)果表明此算法具有可行性并且運(yùn)行效率和聚類質(zhì)量相較于一般聚類算法表現(xiàn)要好。I摘要關(guān)鍵詞：聚類分析，支持向量排序，分割聚類，核寬度系數(shù)，懲罰因子IIAbstractAbstractPartitioningClusteringAlgorithmResearchBasedonSupportVectorRankingWiththedevelopmentofInternettechnology,allkindsofproblemssuchasinformationfloodi

8、ngandredundancyarebecomingmoreandmore.Sohowtohelpusersfindandextractthepotentialvalueofinformationpromotestheresearchonclassificationofmassivedata.Clusteringalgorithmisastatisticalanalysismethodwhichcanbeusedforexploringandclassifyingth