聚類分析算法應(yīng)用研究

張麟+潘紅巖

摘要：聚類分析算法是數(shù)據(jù)挖掘中常用的一種算法，通過(guò)該算法把一些無(wú)規(guī)則數(shù)據(jù)提煉成有規(guī)則數(shù)據(jù)，為其領(lǐng)域發(fā)展提供了技術(shù)保障。本論文主要從聚類分析算法、聚類分析算法描述兩方面進(jìn)行闡述聚類分析算法應(yīng)用研究，希望能為研究數(shù)據(jù)挖掘的專家與學(xué)者提供理論參考依據(jù)，為數(shù)據(jù)挖掘快速發(fā)展提供技術(shù)保障。

關(guān)鍵詞：聚類分析算法 應(yīng)用研究 算法描述

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）10-0143-01

聚類分析（Cluster Analysis）就是將一組物理事物或抽象對(duì)象按照某種聚類規(guī)則或檢驗(yàn)度量函數(shù)標(biāo)準(zhǔn)劃分不同聚集組別的過(guò)程，其中被劃分的若干相對(duì)獨(dú)立的組為一個(gè)類，是一種無(wú)監(jiān)督的學(xué)習(xí)方法。聚類分析方法是數(shù)據(jù)挖掘技術(shù)中的數(shù)據(jù)分析普遍運(yùn)用方法之一，其功能最終實(shí)現(xiàn)被研究數(shù)據(jù)按照相關(guān)聚類分析算法進(jìn)行聚類，對(duì)聚類的事物對(duì)象，最終要達(dá)到相似度大的對(duì)象在同一個(gè)聚類群組中，相似度小的對(duì)象在不同的聚類群組中，從而歸納出聚類數(shù)據(jù)對(duì)象的特征性。聚類分析中的“類（Cluster）”就是一組相似度較高的數(shù)據(jù)集合。聚類分析能夠?qū)⒁唤M事物或數(shù)據(jù)按照聚類算法規(guī)則進(jìn)行聚類處理，根據(jù)聚類算法規(guī)則的不同而實(shí)現(xiàn)各自側(cè)重的聚類分析結(jié)果。

1 聚類分析算法

根據(jù)聚類對(duì)象數(shù)據(jù)類型的不同，聚類分析分為R型聚類和Q型聚類，R型聚類是對(duì)變量型數(shù)據(jù)的聚類分析，Q型聚類是對(duì)具體觀測(cè)值數(shù)據(jù)的聚類分析。對(duì)數(shù)據(jù)對(duì)象的聚類分析要借助于聚類分析算法來(lái)實(shí)現(xiàn)完成，聚類分析算法的基本定義為：

目標(biāo)數(shù)據(jù)集合，對(duì)于數(shù)據(jù)集合中的任一數(shù)據(jù)元素，具有個(gè)特征屬性，任一數(shù)據(jù)元素的屬性特征向量集表示為。通過(guò)特定的數(shù)據(jù)分析處理準(zhǔn)則對(duì)目標(biāo)數(shù)據(jù)集進(jìn)行聚類處理后，目標(biāo)數(shù)據(jù)集被劃分成具有個(gè)子集的數(shù)據(jù)類集合，，聚類結(jié)果數(shù)據(jù)集必須滿足：

根據(jù)聚類分析所采取分析方法的不同，聚類分析算法分為基于劃分的聚類分析算法、基于層次的聚類分析算法、基于密度的聚類分析算法、基于網(wǎng)格的聚類分析算法、基于模型的聚類分析算法。

2 K—means聚類分析算法描述

對(duì)于給定包含個(gè)數(shù)據(jù)對(duì)象的數(shù)據(jù)集，按照標(biāo)準(zhǔn)偏移量的目標(biāo)函數(shù)進(jìn)行劃分，形成K個(gè)聚類。具體操作過(guò)程為：

第一步：數(shù)據(jù)規(guī)范化處理。對(duì)數(shù)據(jù)對(duì)象進(jìn)行規(guī)范化預(yù)處理，消除非法值及極值影響。

第二步：數(shù)據(jù)準(zhǔn)備。計(jì)算各科標(biāo)準(zhǔn)差：

第三步：計(jì)算各初始聚類中心。

第四步：計(jì)算與聚類中心最近鄰的數(shù)據(jù)對(duì)象，并合并成新類。

第五步：重新計(jì)算聚類中心值。

第六步：驗(yàn)證聚類收斂性。

if 聚類中心值無(wú)新變化

結(jié)束聚類 else 轉(zhuǎn)入第四步 endif

第七步：進(jìn)行各個(gè)類數(shù)據(jù)分析。

3 結(jié)語(yǔ)

總之，聚類分析算法是數(shù)據(jù)挖掘中一種常用算法，在數(shù)據(jù)挖掘過(guò)程中有很多算法，每種算法都有自己的優(yōu)缺點(diǎn)，數(shù)據(jù)挖掘是一項(xiàng)極其復(fù)雜過(guò)程，一般情況我們都是多種算法結(jié)合起來(lái)一起應(yīng)用，目的提高工作效率，提高數(shù)據(jù)挖掘的準(zhǔn)確性，數(shù)據(jù)挖掘技術(shù)在我國(guó)應(yīng)用領(lǐng)域比較廣，并且取得一定成績(jī)，在當(dāng)今大數(shù)據(jù)時(shí)代，研究數(shù)據(jù)挖掘具有一定的現(xiàn)實(shí)意義，具有深遠(yuǎn)的研究?jī)r(jià)值。

參考文獻(xiàn)

[1]吳多智.基于語(yǔ)義的手機(jī)類產(chǎn)品用戶評(píng)論維度挖掘研究[J].安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2016（03）.

[2]孫永輝.聚類分析在學(xué)生成績(jī)分析中的應(yīng)用[J].中國(guó)管理信息化，2016（06）.

[3]巨曉璇，鄒小斌，屈直，劉春敏.層次聚類算法在氣象客戶細(xì)分中的應(yīng)用[J].河南科技，2015（11）.

[4]許進(jìn)文.數(shù)據(jù)挖掘中聚類分析算法及應(yīng)用研究[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2013（06）.

收稿日期：2016-08-18

作者簡(jiǎn)介：張麟（1983—），男，黑龍江哈爾濱人，碩士，工程師，研究方向：數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘。