论文部分内容阅读
聚类分析是数据挖掘领域的主要技术之一,该技术能够探索数据中的潜在结构,自动对数据进行划分,因而在学术界和工业界有着广泛的应用。但现有的多数聚类算法只能处理数值型或分类型数据,而现实世界中的数据集大多兼有数值型属性和分类型属性。这两种属性的取值差异较大,传统的聚类算法无法有效地处理。因而针对混合属性数据聚类算法的研究一直是聚类分析领域中的研究热点之一。本文研究了针对混合属性数据的划分式聚类算法,在传统聚类算法的基础上提出了两个新算法。在模糊K-prototypes算法的基础上提出了一个属性加权的模糊K-prototypes聚类算法AWFKP(Attributes Weighted Fuzzy K-prototypes)。算法结合了模糊隶属度、模糊质心和属性加权的思想:首先将模糊质心的思想运用于模糊K-prototypes算法的分类型属性簇中心表示,从而使簇中心能够更全面地代表簇信息;其次,考虑到不同属性对相异性度量的贡献不同,基于属性共现率的思想,设计了新的属性加权的相异性度量方法并给出了新算法;最后在UCI标准数据集上对算法进行了验证。实验结果表明算法聚类结果对应的划分相似度更高,对数据的处理结果更接近数据的真实划分。提出了基于遗传算法的K-prototypes聚类算法GAKP (Genetic Algorithm based K-prototypes)。针对K-prototypes算法对初始簇中心敏感的问题,将K-prototypes应用到遗传算法的框架中,使得新算法具有对簇原型的全局搜索能力。算法设计了基于划分相似度的适应度函数;采用随机生成法和随机选择法初始化种群,利用旋轮法选择待交叉的个体,使用精英策略保留个体至下一代;针对个体的数值型染色体和分类型染色体分别用模拟二进制交叉和单点交叉进行交叉操作;利用多项式变异和等概率变异分别对个体的数值型染色体和分类型染色体进行变异操作。在UCI标准数据集上对算法进行了验证,实验结果表明算法改善了K-prototypes对初始簇中心敏感这一缺点,并且能够取得更接近数据真实划分的聚类结果。