基于核密度估计的层次聚类算法

聚类分析是统计、模式识别和数据挖掘等领域中一个非常基础且非常重要的研究课题，具有广泛的应用前景。在众多的聚类方法中，基于密度的方法是一种相当有效的聚类方法，能够发现任意形状的聚类，对噪声数据不敏感，但是聚类结果严重依赖于用户参数的合理选择。以DENCLUE算法为基础，一种基于核密度估计的层次聚类算法被提出，该算法首先优选窗宽σ产生较好的核密度估计结果，然后以密度函数的局部极大值点为聚类中心形成数据的初始划分，最后根据密度函数的鞍点递归合并初始聚类产生不同层次的划分模式。理论分析和仿真实验结果显示，该算法能够发现任意形状、大小和密度的聚类，能够有效处理噪声数据，而且聚类结果不依赖于用户参数的仔细选择。     

一个小型演员合作网的拓扑性质分析

从著名的网络电影社区--MTime网站,获取了国内(大陆、香港、澳门、台湾)近6年来(2001～2006年)拍摄电影的数据.应用复杂网络的理论和方法,对其中的演员合作关系所形成的网络进行了初步研究.分析结果表明:与其他广义合作网络类似,中国电影演员合作网络也具有明显的聚类效应和小世界特性.此外,对历年网络及其最大连通群组也进行了网络简约和社区分析,相关研究结果与实际情况相符,对中国电影发展趋势的预测也有一定的参考价值.     

高维聚类中的一种特征筛选方法

聚类分析是数据挖掘领域中一个基础而活跃的研究课题。由于大多数的聚类方法在处理高维数据时会出现高维失效问题，维简约成为高维聚类中一个非常重要的处理步骤。通过分析对象间相似性度量与原始数据分布间的关系，提出一种基于熵的特征筛选方法。该方法通过构造一个基于对象间相似度的熵度量，对原始特征集中的每个特征进行重要性评估，从而获得重要特征子集。实验结果显示，该方法可以有效剔除高维数据集中的不重要或噪声特征，改善聚类算法的性能和聚类结果的可理解性。     

一种聚类算法改进及其在税源分析中的应用

面对大量的涉税数据,为揭示纳税个体间内在的分类特性,发现其中偏离常规的异常纳税行为等,有效提高税源监管力度,针对税源监管的应用需求,分析了数据挖掘中常用聚类算法的特性,提出了基于DENCLUE密度聚类的改进方法。该方法不仅可以发现数据分布的典型聚簇模式,而且可以揭示对税源监管更有价值的离群模式。应用实践验证了该方法的有效性。     

基于拓扑势的社会通信网局域中心性分析

针对社会通信网络中心性度量问题,在CDMA手机通话数据的基础上构建社会通信网络,引入新的局域影响力度量指标——拓扑势,结合度、介数和接近度等经典参数,对社会通信网络局域中心性进行实证分析.发现社会通信网络节点度、介数和拓扑势的累积分布均服从漂移幂律分布,接近度为正态分布;另外,随着用户局域影响范围σ的增大,其局域中心性大小与其联系人数目和连接中介能力的正相关性逐渐减弱,而与其在网络中拓扑位置的正相关性增强.