基于特征偏好的聚類算法研究與實(shí)現(xiàn).pdf

1、聚類作為挖掘數(shù)據(jù)結(jié)構(gòu)信息的有效工具之一，已被廣泛應(yīng)用于圖像處理、生物信息學(xué)與數(shù)據(jù)挖掘等眾多領(lǐng)域。根據(jù)在聚類目標(biāo)函數(shù)中是否引入特征權(quán)重，可將聚類算法分為傳統(tǒng)聚類算法與特征加權(quán)聚類算法。傳統(tǒng)聚類方法(諸如 k均值和模糊 c均值等)未對數(shù)據(jù)特征對聚類的不同貢獻(xiàn)或重要度進(jìn)行區(qū)分，結(jié)果當(dāng)處理高維數(shù)據(jù)時(shí)，由于未考慮高維數(shù)據(jù)特征間存在的相關(guān)性和冗余，常導(dǎo)致期望不足的聚類性能。但現(xiàn)有的特征加權(quán)聚類算法能獲得特征權(quán)重但未必符合用戶所期望的相對重要性(或偏

2、好)。為彌補(bǔ)這一遺漏，本文嘗試?yán)糜脩艚o定的特征間的實(shí)際偏好，提出兩種能盡可能真實(shí)反映特征偏好的聚類方法，具體總結(jié)如下：
　　1．將Sun等人的基于Bregman散度的聚類算法CFP進(jìn)行改進(jìn)，通過利用用戶給定的實(shí)際偏好，將現(xiàn)有獨(dú)立于個(gè)體聚類的全局加權(quán)型偏好聚類方法拓展至聚類依賴的局部特征加權(quán)型方法，以此來體現(xiàn)聚類過程中各特征對不同類別貢獻(xiàn)的大小或重要度，結(jié)果可避免原有算法僅利用了全局特征的欠缺。同時(shí)結(jié)合特征偏好約束，使聚類過程所獲

3、權(quán)重能更好地遵守特征間的先驗(yàn)關(guān)系。而其中所用策略也可拓展至相關(guān)聚類算法和應(yīng)用領(lǐng)域。最后在UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的可行性。
　　2.提出了結(jié)合特征信息與樣本信息的半監(jiān)督聚類算法，并將特征層面的先驗(yàn)信息通過特征偏好形式加以體現(xiàn)。不同于通常意義的半監(jiān)督聚類算法，其僅僅從單一的特征層面或樣本層面賦以半監(jiān)督信息。本工作則通過將兩種信息相結(jié)合，拓寬了先前限于單一層面的半監(jiān)督聚類算法。在數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了其比單一層面的半監(jiān)督聚類算