一般分布區(qū)間型符號數(shù)據(jù)的SOM聚類分析研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展和信息化進程加快，社會的數(shù)據(jù)量呈現(xiàn)爆炸式增長，給傳統(tǒng)的數(shù)據(jù)挖掘和分析技術(shù)帶來新的挑戰(zhàn)。符號數(shù)據(jù)分析技術(shù)（SDA， Symbolic Data Analysis）基于“數(shù)據(jù)打包”的思想針對海量數(shù)據(jù)的處理提供了一套知識發(fā)現(xiàn)和規(guī)律挖掘的理論方法。區(qū)間型符號數(shù)據(jù)是SDA中最常見的一類符號數(shù)據(jù)，應(yīng)用也最為廣泛。聚類分析作為一種無先驗知識情況下對復(fù)雜數(shù)據(jù)關(guān)系進行分析處理的技術(shù)是數(shù)據(jù)挖掘技術(shù)的一個重要的研究分支，并在符號數(shù)據(jù)分

2、析領(lǐng)域有著廣泛的應(yīng)用。源自神經(jīng)網(wǎng)絡(luò)的自組織映射（SOM，Self-Organizing Map）方法由于其拓?fù)浔Ｐ蚝涂梢暬忍攸c在聚類分析中有其獨特的優(yōu)勢?，F(xiàn)有的對區(qū)間型符號數(shù)據(jù)聚類分析的研究，多建立在打包構(gòu)成區(qū)間數(shù)的原始數(shù)據(jù)服從均勻分布的假設(shè)的基礎(chǔ)上，但實際情況往往不能滿足這一理想假設(shè)。針對此問題，本文考慮放松原始數(shù)據(jù)分布的假設(shè)，針對一般分布的區(qū)間型符號數(shù)據(jù)的表示方法和距離度量以及在SOM聚類分析中的應(yīng)用展開研究。
　　本研究首

3、先給出了符號數(shù)據(jù)的基本概念，重點介紹了區(qū)間型符號數(shù)據(jù)的descriptive statistics，基于一般分布的假設(shè)，區(qū)別于傳統(tǒng)均勻分布假設(shè)的區(qū)間數(shù)，給出了一般分布區(qū)間數(shù)的定義和特點概括?？紤]區(qū)間數(shù)（Interval）中所包含的個體的分布（distribution of individuals）信息，本文提出了一般分布的區(qū)間型符號數(shù)據(jù)的一種新的表示方法，并闡述了與傳統(tǒng)均勻分布的區(qū)間型符號數(shù)據(jù)的表示方法之間的聯(lián)系與區(qū)別。在區(qū)間數(shù)的新的表

4、示方法的基礎(chǔ)上，基于傳統(tǒng)的city-block距離給出了一般分布區(qū)間型符號數(shù)據(jù)的距離度量。并基于該距離度量給出了一般分布區(qū)間型符號數(shù)據(jù)的SOM聚類算法。隨機模擬試驗的結(jié)果表明，基于一般分布假設(shè)并采用本文提出的表示方法和距離度量的SOM聚類算法的有效性優(yōu)于基于均勻分布假設(shè)并采用傳統(tǒng)Hausdorff距離度量的SOM聚類算法。最后將本文提出的聚類算法在我國的氣象數(shù)據(jù)集上做了應(yīng)用研究，進一步說明了本文算法可以有效地解決實際問題，具有一定的實用