聚类结果评价方法与聚类知识提取技术的研究

论文摘要

聚类是一种无监督的学习,其任务是按照给定的相似性将数据分组,使得同组数据彼此相似而不同组数据不相似。由于用来聚类的数据本身并没有类别信息,故而无法通过传统的“训练——测试”方法来判定聚类的效果。因此,对聚类结果的评判就只能依赖于聚类评价指标。聚类评价指标的作用是检测聚类的结果是否符合“同组数据相似,不同组数据不相似”的要求。而对于什么样的数据被称为相似则并无一个统一的标准。聚类算法与聚类评价指标所采取的相似性定义往往并不一致,这就导致了在某种意义下聚类评价指标的无用性。“可解释性”是评价聚类的一个重要依据,因此在评价聚类时应首先对聚类结果做出相应的解释,而后根据解释信息做出评价。解释聚类结果时首先应对聚类结果进行一定程度的抽象,提取出相应的知识;然后通过知识来描述、解释聚类结果。代表点方法是一类经典的聚类表示方法,基于这种方法构造的聚类算法与增量聚类算法都具有很好的效果。有鉴于此,本文提出了一种用聚类算法原有相似性定义进行聚类评价的方法。这种方法首先对聚类结果进行知识提取,抽取数据集中最为核心、最为本质的信息;然后针对这些本质信息做出相应评价,这种评价依据的是最小描述长度原理。实验表明,这种新的评价方法在一般情况下与大多数现有常用评价指标的结果一致;而在一些特殊应用场合则优于一些现有评价指标。除了可以给出具体的定量评价值之外,这种新的评价方法还可以对聚类结果的结构信息进行描述与分析。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 聚类知识提取
• 1.3 聚类评价
• 1.4 本文章节安排
• 1.5 本章小结
• 第二章 聚类分析概述
• 2.1 聚类分析背景
• 2.1.1 主要聚类方法
• 2.1.2 相似性度量
• 2.2 聚类知识提取方法
• 2.2.1 聚类知识表示
• 2.2.2 知识提取方法
• 2.2.3 聚类知识的用途
• 2.3 聚类评价方法
• 2.3.1 聚类评价方法概览
• 2.3.2 聚类评价的作用
• 2.4 本章小结
• 第三章 基于代表点的聚类知识提取
• 3.1 聚类描述方法概览
• 3.1.1 k-平均算法
• 3.1.2 CURE
• 3.2 代表点描述方法
• 3.3 相关说明
• 3.4 基于代表点的聚类知识在增量聚类领域的应用
• 3.4.1 增量挖掘技术的研究发展现状
• 3.4.2 增量式的超球聚类算法
• 3.5 本章小结
• 第四章 基于知识的聚类评价
• 4.1 聚类评价方法回顾
• 4.2 基于知识的评价方式
• 4.2.1 评价理论的原则
• 4.2.2 基于代表点描述的聚类评价
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文