聚类算法的研究

• 作 者: 李东琦
• 发表日期: 2007年期
• 关键词: 数据挖掘 聚类分析 k-means算法 扩展二叉排序树

聚类是数据挖掘领域最为重要的技术之一，用于发现在数据库中未知的对象类。聚类挖掘已经被广泛的研究了许多年，主要集中在基于距离的聚类挖掘上，其中以k-means(k均值)算法最为经典。针对k-means算法存在的一些不足，许多专家学者对其做出过改进，尽管这些改进使算法的效率或者是稳定性得到一定的提高，但并非没有继续提高的空间，特别是在k-means初始化算法，和k-means聚类稳定性上，还有待提高。本文基于扩展的二叉排序树，对k-means初始化算法做出了新的改进，提高了聚类结果的稳定性和准确率。另一方面，针对大型数据集的聚类，本文对RA算法做出了新的改进，提高了聚类的准确率。本文主要工作包括：(1)深入研究和分析了聚类算法中的经典算法k-means算法，并以试验的方式证明和分析了k-means算法存在的缺点。(2)基于扩展的二叉排序树，对k-means初始化算法做出了改进，改善了k-means算法由随机初始化带来的聚类不稳定、容易陷入局部最优而非全局最优的不良结果，并通过大量实验验证了算法的有效性。(3)选样是对大数据集的聚类中常用的方法，其中RA算法是经典的基于选样的选择聚类初始点算法。本文在分析RA算法优缺点的基础上，对之做出了新的改进，并通过大量的实验验证了改进算法的有效性。(4)在前面工作的基础上，介绍了采用聚类挖掘，通过分析上市公司财务数据来预测股票走势的方法，并以实例加以说明。