混合屬性數(shù)據(jù)流的聚類算法研究及其應用.pdf

1、隨著通信技術(shù)和硬件設備的不斷發(fā)展，數(shù)據(jù)流挖掘技術(shù)在視頻監(jiān)控、圖像理解、人臉識別和實時監(jiān)控系統(tǒng)等方面有著巨大應用前景，針對數(shù)據(jù)流快速連續(xù)到達和持續(xù)增長的特點，傳統(tǒng)聚類算法無法適用于數(shù)據(jù)流對象，數(shù)據(jù)流對聚類算法提出了諸多新的要求，成為數(shù)據(jù)挖掘領(lǐng)域的研究熱點之一。
　　本文針對現(xiàn)有的數(shù)據(jù)流聚類算法存在的幾個問題：混合屬性數(shù)據(jù)流的普適相似度度量方法、聚類中心確定困難、聚類算法參數(shù)設定困難以及數(shù)據(jù)流在線演化分析等，設計了一種面向混合數(shù)據(jù)流的

2、聚類方法，基于普適性的混合數(shù)據(jù)距離度量方法設計數(shù)據(jù)流的快速有效聚類，實現(xiàn)聚類中心自動確定、參數(shù)自適應、數(shù)據(jù)流在線演化分析和離群點處理，并將其應用于人臉識別提出了一種無監(jiān)督的人臉識別方法。具體研究內(nèi)容包括以下五個部分：
　　（1）針對混合屬性數(shù)據(jù)流，研究提出一種具有普適性的混合屬性數(shù)據(jù)距離度量方法。分析混合屬性數(shù)據(jù)特征，將混合屬性數(shù)據(jù)分為數(shù)值占優(yōu)、分類占優(yōu)和均衡型混合屬性數(shù)據(jù)三類，利用數(shù)據(jù)屬性之間的關(guān)聯(lián)關(guān)系，設計條件概率描述所蘊含的

3、內(nèi)在類屬結(jié)構(gòu)，從而實現(xiàn)三種不同類型數(shù)據(jù)流的距離度量方式。
　?。?）針對現(xiàn)有大部分混合屬性聚類算法普遍存在聚類質(zhì)量低、聚類算法參數(shù)依賴性大和聚類中心無法自動確定等問題，提出了基于密度的聚類中心自動確定的混合屬性數(shù)據(jù)聚類算法（ACC-FSFDP）。計算數(shù)據(jù)集各個點之間的距離，獲得密度和距離分布圖，設計聚類中心自動確定方法（ACC），即通過線性回歸模型和殘差分析確定奇異點,理論證明奇異點即為聚類中心，并通過快速劃分的方法實現(xiàn)聚類。對于

4、聚類參數(shù)密度半徑dc的選擇，實現(xiàn)了基于粒子群優(yōu)化算法（PSO）實現(xiàn)聚類參數(shù)dc自適應，實現(xiàn)不同數(shù)據(jù)集的dc最優(yōu)選擇。
　?。?）針對現(xiàn)有的混合屬性數(shù)據(jù)流聚類算法聚類精度不高、處理離群點能力差等缺陷，將ACC-FSFDP算法擴展到數(shù)據(jù)流聚類算法當中，提出了一種聚類中心自動確定的混合屬性數(shù)據(jù)流聚類算法。采用在線/離線兩層框架，提出一種新的八元組微簇特征向量來動態(tài)維護不斷到達的數(shù)據(jù)對象，并引入了衰減函數(shù)和微簇刪除機制使得算法能夠更好的符

5、合數(shù)據(jù)流的進化特性。
　?。?）針對數(shù)據(jù)流的在線實時變化特性，對其展開演化分析，提出了一種基于密度網(wǎng)格的加強聚簇邊緣檢測的混合屬性數(shù)據(jù)流聚類算法。設計九元組網(wǎng)格特征向量來動態(tài)維護不斷到達的數(shù)據(jù)對象，并引入了衰減函數(shù)和網(wǎng)格刪除機制使得算法能夠更好地符合數(shù)據(jù)流的進化特性，并處理離群對象。離線部分采用廣度優(yōu)化搜素，將相鄰可達的網(wǎng)格聚成一類，并強化對爭議網(wǎng)格的檢測，將其與關(guān)聯(lián)度最高的直接相鄰密集網(wǎng)格保持一致，能夠快速有效的獲得最終聚類結(jié)果

6、。
　?。?）針對現(xiàn)有人臉識別分類算法需要提取足夠已知類標信息的人臉圖像作為訓練樣本的必備前提，本文將提出的聚類算法應用到人臉圖像識別，實現(xiàn)了一種基于密度聚類的無監(jiān)督人臉識別方法。該方法不需要任何先驗知識，即在未知樣本的分類信息情況下，根據(jù)人臉圖像的特征信息進行聚類，通過嚴格過濾聚類結(jié)果保持聚簇的純凈性，以保證后續(xù)訓練模型的精確度。利用聚類中心含有表征該聚簇內(nèi)對象豐富的特征信息的特點，根據(jù)聚類算法得到的聚類結(jié)果，提取聚類中心及少量