浅谈数据挖掘中的聚类算法

数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。     

基于ARIA的K均值聚类算法研究

针对传统K均值聚类算法对初始聚类中心敏感,易陷入局部最优和对大数据集聚类速度慢的缺点,将ARIA与Kmeans算法相结合,提出了一种ARIA-Kmeans算法,即基于自适应半径免疫的K均值聚类算法。首先利用自适应半径免疫算法对数据进行预处理,产生能够代表原始数据分布以及密度信息的内部镜像数据;然后用K均值聚类算法对其进行多次聚类,获得最佳聚类中心,并将其作为初始聚类中心,推广到全部数据优化聚类效果;最后对其结果进行评价。实验结果表明,相对于传统Kmeans算法,新算法在保证聚类准确度的前提下,提高了算法运行的时间效率和稳定性。     

HCM聚类算法的改进-MHCM聚类算法

硬聚类算法HCM的求解结果通常是局部最优解,本文将遗传算法应用于HCM聚类算法,同时考虑到该算法实现时的效率和开销,最终提出了一种新的算法MHCM聚类算法。测试数据实验表明采用MHCM聚类算法的结果90%以上能够取得全局最优解,远远超出了采用HCM算法所取得全局最优解的次数,证明了本算法的可推广性。     

覆盖聚类算法

首先比较几类主要的聚类算法,给出每类算法的基本概念、原理、每类的代表性算法,及这些算法的主要特征。在此分析基础上,提出一种新的聚类算法———覆盖聚类算法,该算法采用覆盖的概念将比较集中的样本聚合在一起,从而发现隐含在样本集中的类,对于周围稀疏的样本结合最短距离法,获得聚类效果,并用实验数据对分层聚类方法、LBG方法与覆盖聚类算法进行比较,证明了覆盖聚类算法的可行性和有效性。最后给出了算法的研究方向。     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。     

聚类算法综述

聚类分析是一种基本的数据分析方法,它在数据挖掘,统计学,空间数据库技术,人工智能,生物学研究,机器学习,模式识别等领域都得到了广泛的应用.论文介绍了各类主要的聚类算法,并概述了其主要应用领域.     

基于图论聚类的测井曲线自动分层

在地球物理勘探中需要利用测井资料了解地下地质情况,其中测井曲线分层是首先要完成的基础工作。本文利用图论聚类的方法,结合实际数据对测井曲线进行自动分层,并比较了自动分层和人工分层的优越性。     

聚类算法的研究

聚类算法是多元统计的一个重要分支,在理论和实际生活中都有重要的意义。本文对聚类算法的发展历程以及近年来发展的一些聚类算法进行研究。     

基于烟花算法优化k均值聚类的教学质量评估模型

针对当前质量评估模型精度低、可靠性差和效率不高的问题,提出一种基于烟花算法优化k均值聚类的教学质量评估模型;利用具有平衡全局和局部搜索能力的烟花算法对k均值聚类算法进行优化,将获得的数据结果作为k均值聚类算法的初始聚类中心点,解决k均值聚类算法容易陷入局部最优问题,分别从精度和建模时间2个方面验证所提出模型的评估性能。结果表明,所提出的模型对不同课程的评估精度均大于92%,评估结果可靠性较高,建模平均时间小于32.1 ms,效率较高。     

基于集合论与图论的餐饮推荐聚类算法

为了提高餐饮推荐系统的准确率,提出一种基于集合论和图论的餐饮高维非数值型数据聚类算法.首先将菜品数据进行预处理,找出需要的特征,删除不必要的特征,再将这些特征以集合的形式输入到系统中,使用改进的杰卡德相似系数对集合进行相似度计算,得到以集合表示方式的菜品数据间的相似度,接着将所有的数据转换为无向图,最后利用图形聚类算法...     

灰度图象的快速矢量量化

本文改进了矢量量化的码书设计方法和编码的搜索过程，大大提高了矢量码书的训练效率 和编码速度，获得了满意的压缩速度和效果，通过对标准测试图象的测试，速度平均提高了２．６倍，而信噪比却下降很少。     

改进向量量化算法的图像压缩研究

针对于传统的LBG向量量化压缩图像效果不是很好,而提高其效果的方法之一是增加向量的维数,但这也会增加运算的复杂性的情况下,提出一种改进的LBG算法来实现对图像分解效果的提高.该方法通过LBG算法先对图像进行量化编码,再用原图像减去该编码恢复的图像而得到量化误差;对这个量化误差还用LBG算法进行编码量化.还原时先恢复原图像的量化编码,再加上恢复的误差量化编码.仿真结果表明,改进算法运算复杂度不会增加,图像压缩后还原效果较好,同等条件下能得到更高的信噪比和峰值信噪比.     

分形和向量量化优化混合的图像压缩算法

介绍了对图像块的聚类分类方法和分形-VQ优化混合算法的实现原理和实现过程，设计了先横向后纵向优化的具体实现方案，并给出了算法描述，最后通过实验得到了很好的结果。     

矢量量化的渐进构造模糊聚类算法

为了设计最优码书,提出了一种新的渐进构造模糊聚类（ＰＣＦＣ）算法,并将其应用到图像的矢量量化中．通过与其他矢量量化算法（如ＬＢＧ和ＦＣＭ）的比较,证明该算法不论在生成码书的质量还是在计算速度上都具有很强的优势．这种模糊矢量量化算法为进一步改善图像压缩的矢量量化性能提供了新途径     

一种用于加快图像矢量量化的算法

提出了一种应用于正交矢量空间,加快图像矢量化的新算法。该算法图像信号在正交矢量空间中的能量集中性,有效地减小了码书的搜索范围,加快了矢量量化速度。计算机模拟结果表明,在相同的技术指标下,与其他一些方法相比,该算法有效地减少矢量量化的编码时间。     

基于小波变换及四元树矢量量化的图象数据压缩算法

小波变换在时域和频域具有良好的局部化性能,因而在图象压缩编码中得到广泛应用.矢量量化则因为其压缩比大,原理和算法相对简单,成为图象压缩的又一重要方法.采用小波变换与四元树矢量量化相结合对二维图象进行编码.结果表明,该方法可以获得较高的压缩比及PSNR.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时,使用设计的自适应二维维纳数字滤波器,对收缩的均值图像进行滤波后,可构造好的码书。实验证明,本方法码书不需外部训练,解码不需要迭代,可以改善重建图像的视觉质量,使压缩比和PSNR都有明显提高。     

基于矢量量化和Huffman编码的图像压缩方法

实现一种数字图像压缩编码方法。该方法首先应用LBG算法对数字图像进行矢量量化编码,然后对矢量量化编码所得的最佳码书的索引进行Huffman编码。该方法的图像压缩比可以达到17.2：1。     

改进的自组织特征映射算法及其在图像矢量量化中的应用

从自组织特征映射算法的基本思想出发，通过研究ＳＯＦＭ算法在设计矢量是一化码忆上时存在的问题。对其进行了改进，计算机模拟实验的结果表明，改进后的ＳＯＦＭ算法有效地改善了图像编码质量，同时大幅度降低了码书的训练时间，算法简单，易于硬件实现。