演化聚類算法研究及其應用.pdf

1、聚類作為數(shù)據(jù)挖掘領域中一種非常有效的數(shù)據(jù)分析方法，得到了很多學者的研究，在模式識別、圖像處理、數(shù)據(jù)壓縮等領域得到了廣泛的應用。所謂聚類就是將數(shù)據(jù)對象分組成為多個類或簇(Cluster)，其劃分原則是將具有較高的相似度的數(shù)據(jù)對象間劃分到同一個簇中，而相似度誤差較大的數(shù)據(jù)對象應劃分到不同的簇中。傳統(tǒng)的聚類算法只能針對一些靜態(tài)數(shù)據(jù)有很好的處理效果，而對于近年來引起機器學習和數(shù)據(jù)挖掘領域重點關注的演化數(shù)據(jù)，更有待學者們的研究。
　　由于演

2、化數(shù)據(jù)是隨時間的推移數(shù)據(jù)分布會發(fā)生變化、有新數(shù)據(jù)的出現(xiàn)或舊數(shù)據(jù)的消亡，那么怎樣做到使每一時刻上的數(shù)據(jù)聚類性能盡可能的好，能夠基本正確地反映每一時刻的數(shù)據(jù)分布;通過聚類發(fā)掘數(shù)據(jù)的演化機制，例如聚類的出現(xiàn)、變化、分裂、消失等;還要使得聚類結果在時間上要盡可能平滑，使得當前時刻的聚類結果與前一時刻的聚類結果盡可能的相類似，已有小部分學者進行了研究。
　　本文著重研究演化數(shù)據(jù)的聚類問題，研究了兩種無監(jiān)督的演化聚類算法和半監(jiān)督（帶約束）的演

3、化聚類算法，并進行了簡單的應用。具體研究工作和成果如下:
　　(1)本文提出了基于時間平滑性的演化聚類框架，其框架是在Chakrabarti等人提出的在線式框架基礎上進行修改完善得到的。除此之外，本文還對數(shù)據(jù)間的相似度矩陣作出了公式定義，相似度計算包括兩個部分之和:當前時刻數(shù)據(jù)間的相似度與時間序列上的相似度。最后，并將框架具體應用到標準譜聚類當中，得到兩種新的演化譜聚類算法并進行實驗驗證。
　　(2)本文提出了演化的雙層隨機

4、游走半監(jiān)督聚類算法，其算法是針對處理帶有約束信息的演化聚類的。原始的靜態(tài)雙層隨機游走半監(jiān)督聚類算法在處理不斷變化增加的數(shù)據(jù)時，會花費大量的時間與內存，并且不能得到很好的效果。本文在雙層隨機游走半監(jiān)督聚類算法的基礎上很好的利用之前時刻的信息，通過在高層隨機游走時求解組件間的兩兩相似度直接加入前一時刻舊數(shù)據(jù)信息，大大減少了計算的時間，更好的處理演化半監(jiān)督數(shù)據(jù)，能夠得到較好的聚類結果。
　　(3)本文設計了一種演化的人臉聚類系統(tǒng)，此系統(tǒng)