versionii-基于尺度转换机制的多尺度聚类挖掘算法-(摘要-引言-定义-算法-总结部分)

《versionii-基于尺度转换机制的多尺度聚类挖掘算法-(摘要-引言-定义-算法-总结部分)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于尺度转换机制的多尺度聚类挖掘算法摘要:提出一种新的基于尺度转换机制的多尺度聚类挖掘算法SCM-MSCA。该方法运川尺度转换机制在指定雉尺度下进行聚类挖掘，建立了较为完善的尺度转换机制帮助用户选择多种尺度进行聚类结果分析和挖掘，提岛多尺度聚类挖掘的效率。结合某竹全员人U数据对算法进行了具体实现和分析。实验数据表明，SCM-MSCA算法同传统的多尺度聚类挖掘算法相比具较好的性能。关键词:聚类挖掘；多尺度；多尺度聚类；尺度转换机制Abstract：AScaleConvertMechanismBasedMultiScalcClusteringAlgorithm(SCM-MSCA)ispropos

2、ed.Unlikethetraditionalmultiscaleclusteringalgorithms,SCM-MSCAclustersthedataonabasicscale，thenobtainstheclusteringresultsontheotherscaleswhichusersareinterestedinwiththehelpofScaleConvertMechanism.TheexperimentsturnoutthatSCM-MSCApresentedinthispaperdoeswellcomparedwiththetraditionalmultiscaleclust

3、eringalgorithms.KeyWords：ClusteringMining,Multiscalc,MultiscaleClustering,SealeConvertMechanism引言聚类挖掘是数裾挖掘研究领域重耍的组成部分（重要研究方向），而多尺度聚类挖掘是解决具冇多尺度特性的空间或时空数裾的挖掘算法，亦将数据挖掘理论研究推向了另一个新的研究层次与方向。在国外，针对空间或时空数裾的多尺度特性进行的研究人多集中于多尺度效应与多尺度建模等应用方而，如以非监督多尺度数裾流算法、葙于数椐驱动的数裾流对涉及吋间尺度的数据流进行趋势预测1］，外将这种算法成功地应用于股票数裾的分析。W冇学者将平

4、稳小波变换应川于多尺度分析提出丫应川性更强的尺度选择方法进而构建了两种分类器一SVM分类器和Bayes分类器u。通过引入多尺度超像素分割生成屮间点，有学者提出了一种从杂乱影像屮恢复和分组物体对称部分的方法u。然而针对数裾的多尺度特性进行聚类挖掘的理论研究还比较缺乏，在国内有学者通过引入多尺度控制参数来调节聚类挖掘的尺度特性而提出Y多尺度谱聚类算法［］，基于多尺度并行免疫克隆优化聚类算法11实现了在不同的进化时期分别以人小不同的多种尺度并行地实现最优解空间的快速定位与粘确查找；基于小波分解和领域倌息的多尺度FCM聚类算法u人人提《了阁像分割的效率、抗噪性和均匀性。侃这些基于数裾的多尺度特性进行的

5、聚类挖掘人多是通过引入凋节聚类尺度的控制参数11来实现在每种尺度上的聚类挖掘。该类算法大都需要在毎一种尺度上进行挖掘，尺度选择灵活性较差；算法计算复杂度较商；不利于用户选择感兴趣的尺度进行针对性的挖掘，且挖掘结果不鉍被用户分析和利用，造成资源浪费。最秉要的是：不能实现在某一指定尺度上的实时聚类挖掘。针对上述传统多尺度聚类挖掘算法的不足，本文提出了一种新的基于尺度转换机制的多尺度聚类挖掘算法SCM-MSCA(ScaleConvertMechanismBasedMultiscalcClusteringAlgorithm),帮助川乂1实现多种尺度上的聚类挖掘。文章酋先对基尺度与尺度转挽机制进行详细说

6、明和介绍；艽次，给ill了基于尺度转换机制的多尺度聚类挖掘算法，(通过运川什么机制)在指定的基尺度BS(>sic§cale)上进行聚类；建立f完善的尺度转换机制SCM(ScaleConvertMechanism),主要包拈尺度上推SU(ScaleUp)和尺度下推SD(ScalcDown)o再借助于尺度转挽机制SCM对艿它尺度进行挖掘。实验数据表明，本算法很好地克服了传统多尺度聚类算法存在的不足，聚类效果亦能得到保证。木文第二部分给出了基尺度的概念和尺度转换机制；第三部分详细描述了算法的实现过程；第四部分对算法的性能和实验结果进行了分析；最后是总结和展望。1.基尺度与尺度转换机制针对传统多尺度聚

7、类挖掘存在的不足，本文通过引入基尺度与尺度转换机制对具奋多尺度特性的空间或吋空数据库进行挖掘。R前，尺度迕学术界并没有一个确定的概念，1992年，Lam和Quattrochi对尺度总结了附含义卜舰赚融姗側，a)传统意义卜*的制阁比例尺或地阁比例尺，b)地理范围或研究问题的域，c)空间分辨率，d)研究对象的尺度。为了更好地进行基于尺度转换机制的多尺度聚类挖掘，本文对尺度的一些基本概念进行了重新定义，