高維稀疏數(shù)據(jù)聚類知識(shí)發(fā)現(xiàn)理論

目錄
前言
第1章　聚類知識(shí)發(fā)現(xiàn)　1
1.1　數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)　1
1.1.1　數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的產(chǎn)生與發(fā)展　1
1.1.2　數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的處理過程　2
1.1.3　數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的主要任務(wù)　3
1.1.4　數(shù)據(jù)倉庫與數(shù)據(jù)挖掘　4
1.2　數(shù)據(jù)類型及差異度計(jì)算　5
1.2.1　二值屬性　5
1.2.2　分類屬性　7
1.2.3　數(shù)值屬性　7
1.2.4　混合屬性　8
1.3　主要的聚類方法　10
1.3.1　分割聚類　10
1.3.2　層次聚類　12
1.3.3　基于密度的聚類　14
1.4　聚類方法的新進(jìn)展　15
1.4.1　智能聚類　15
1.4.2　大數(shù)據(jù)聚類　16
1.5　本章要點(diǎn)　17
第2章　高維稀疏數(shù)據(jù)聚類知識(shí)發(fā)現(xiàn)理論體系　18
2.1　聚類研究的重點(diǎn)和難點(diǎn)　18
2.2　高維稀疏數(shù)據(jù)聚類問題　20
2.3　二值屬性高維稀疏數(shù)據(jù)聚類原理　22
2.4　高維稀疏數(shù)據(jù)聚類拓展　24
2.4.1　分類、數(shù)值和混合屬性數(shù)據(jù)　24
2.4.2　不完備數(shù)據(jù)　25
2.4.3　大規(guī)模數(shù)據(jù)　26
2.4.4　聚類過程調(diào)整　27
2.4.5　參數(shù)自適應(yīng)　27
2.5　本章要點(diǎn)　29
第3章　二值屬性高維稀疏數(shù)據(jù)聚類　30
3.1　概念基礎(chǔ)　30
3.1.1　集合的稀疏差異度　30
3.1.2　集合的稀疏特征向量　31
3.1.3　稀疏特征向量的可加性　32
3.2　聚類過程　34
3.2.1　算法的兩層結(jié)構(gòu)　35
3.2.2　算法步驟　36
3.3　算法示例　37
3.3.1　聚類過程　38
3.3.2　聚類結(jié)果及分析　39
3.4　本章要點(diǎn)　40
第4章　分類屬性高維稀疏數(shù)據(jù)聚類　42
4.1　基于稀疏特征向量的聚類　42
4.1.1　概念基礎(chǔ)　42
4.1.2　算法步驟　44
4.1.3　分類屬性數(shù)據(jù)聚類示例　45
4.1.4　分類屬性稀疏數(shù)據(jù)聚類示例　47
4.2　基于集合差異度的聚類　48
4.2.1　概念基礎(chǔ)　48
4.2.2　算法步驟　50
4.2.3　算法示例　51
4.3　拓展稀疏差異度聚類　53
4.3.1　集合的拓展稀疏差異度　53
4.3.2　集合的拓展稀疏特征向量　54
4.3.3　相關(guān)定理　55
4.3.4　算法步驟　55
4.4　稀疏性指數(shù)排序聚類　56
4.4.1　稀疏性指數(shù)相關(guān)概念　57
4.4.2　稀疏性指數(shù)排序　57
4.4.3　算法步驟　58
4.4.4　算法示例　58
4.5　不干涉序列加權(quán)排序聚類　60
4.5.1　不干涉序列指數(shù)　60
4.5.2　相關(guān)定理　61
4.5.3　排序示例　64
4.5.4　算法步驟　65
4.6　基于位集的聚類　66
4.6.1　分類屬性數(shù)據(jù)對(duì)象的位集表示　66
4.6.2　位集差異度的定義及其性質(zhì)　66
4.6.3　相關(guān)定理　67
4.6.4　算法步驟　69
4.7　本章要點(diǎn)　70
第5章　數(shù)值屬性高維稀疏數(shù)據(jù)聚類　71
5.1　稀疏特征聚類　71
5.1.1　聚類思想　71
5.1.2　稀疏特征　72
5.1.3　對(duì)象的稀疏差異度　73
5.1.4　兩階段處理過程　74
5.1.5　算法步驟　75
5.1.6　算法示例　76
5.2　模糊離散化數(shù)據(jù)聚類　81
5.2.1　屬性組合　81
5.2.2　模糊離散化　82
5.2.3　隸屬度下限　83
5.2.4　算法步驟　83
5.2.5　算法示例　84
5.3　本章要點(diǎn)　88
第6章　不完備分類屬性數(shù)據(jù)聚類　89
6.1　容差集合差異度聚類　89
6.1.1　容差集合差異度　89
6.1.2　容差集合精簡(jiǎn)　90
6.1.3　相關(guān)定理　91
6.1.4　算法步驟　92
6.2　約束容差集合差異度聚類　93
6.2.1　約束容差集合差異度　93
6.2.2　約束容差集合精簡(jiǎn)　95
6.2.3　相關(guān)定理　96
6.2.4　算法步驟　98
6.3　基于約束容差集合差異度聚類的缺失數(shù)據(jù)填補(bǔ)　99
6.3.1　填補(bǔ)思想　99
6.3.2　約束容差集合精簡(jiǎn)不變定理　101
6.3.3　填補(bǔ)過程　102
6.4　缺失數(shù)據(jù)填補(bǔ)實(shí)驗(yàn)分析　103
6.4.1　數(shù)據(jù)集　103
6.4.2　補(bǔ)齊率分析　104
6.4.3　填補(bǔ)正確率分析　106
6.4.4　填補(bǔ)后聚類正確率分析　109
6.4.5　時(shí)間效率分析　111
6.4.6　參數(shù)分析　113
6.5　本章要點(diǎn)　115
第7章　不完備混合屬性數(shù)據(jù)聚類　116
7.1　對(duì)象混合差異度聚類　116
7.1.1　聚類思想　116
7.1.2　對(duì)象混合差異度　117
7.1.3　基于最近鄰的初始原型對(duì)象選擇　118
7.1.4　算法步驟　119
7.2　集合混合差異度聚類　119
7.2.1　集合混合差異度　120
7.2.2　集合混合特征向量　121
7.2.3　集合混合特征向量的可加性　122
7.2.4　算法步驟　123
7.3　基于集合混合差異度聚類的缺失數(shù)據(jù)填補(bǔ)　124
7.3.1　填補(bǔ)思想　124
7.3.2　概念基礎(chǔ)　125
7.3.3　填補(bǔ)過程　126
7.4　缺失數(shù)據(jù)填補(bǔ)實(shí)驗(yàn)分析　127
7.4.1　數(shù)據(jù)集　127
7.4.2　分類屬性填補(bǔ)分析　128
7.4.3　數(shù)值屬性填補(bǔ)分析　129
7.5　本章要點(diǎn)　131
第8章　大規(guī)模高維稀疏數(shù)據(jù)聚類　132
8.1　基于抽樣的聚類　132
8.1.1　基于抽樣的聚類思想　132
8.1.2　確界表示的概念基礎(chǔ)　136
8.1.3　高維稀疏類的確界表示　137
8.1.4　基于確界表示的非樣本對(duì)象分配　138
8.1.5　非樣本對(duì)象分配示例　139
8.2　并行聚類　141
8.2.1　并行策略　141
8.2.2　算法步驟　142
8.2.3　聚類正確性實(shí)驗(yàn)分析　143
8.2.4　規(guī)模擴(kuò)展性實(shí)驗(yàn)分析　145
8.3　本章要點(diǎn)　147
第9章　參數(shù)自適應(yīng)的高維稀疏數(shù)據(jù)聚類　148
9.1　稀疏差異度啟發(fā)式聚類　148
9.1.1　啟發(fā)式聚類思想　148
9.1.2　內(nèi)部有效性評(píng)價(jià)指標(biāo)　149
9.1.3　概念基礎(chǔ)　151
9.1.4　聚類過程　153
9.2　拓展位集差異度聚類　155
9.2.1　拓展位集差異度　156
9.2.2　算法步驟　159
9.2.3　差異度調(diào)整指數(shù)分析　160
9.2.4　閾值確定方法　161
9.3　無參數(shù)聚類　162
9.3.1　稀疏差異度閾值范圍的確定　162
9.3.2　考慮數(shù)據(jù)排序的調(diào)整稀疏特征向量　163
9.3.3　無參數(shù)聚類過程　164
9.3.4　算法計(jì)算時(shí)間復(fù)雜度　165
9.4　本章要點(diǎn)　166
第10章　高維稀疏數(shù)據(jù)調(diào)整聚類　167
10.1　高維稀疏數(shù)據(jù)雙向聚類　167
10.1.1　集合的雙向稀疏特征向量　167
10.1.2　雙向稀疏特征向量的可加性　168
10.1.3　雙向稀疏特征向量的可減性　170
10.1.4　聚類過程　171
10.1.5　算法示例　172
10.2　高維稀疏數(shù)據(jù)優(yōu)化調(diào)整聚類　174
10.2.1　聚類思想　174
10.2.2　聚類過程　176
10.2.3　算法示例　177
10.3　本章要點(diǎn)　179
第11章　聚類趨勢(shì)發(fā)現(xiàn)　180
11.1　聚類趨勢(shì)發(fā)現(xiàn)問題　180
11.1.1　問題提出　180
11.1.2　問題難點(diǎn)　181
11.1.3　聚類趨勢(shì)發(fā)現(xiàn)思想　182
11.2　概念基礎(chǔ)　182
11.2.1　穩(wěn)定原子類　182
11.2.2　距離趨勢(shì)的計(jì)算　183
11.3　聚類過程　184
11.3.1　算法步驟　184
11.3.2　數(shù)據(jù)關(guān)系　185
11.4　算法示例　187
11.4.1　問題描述　187
11.4.2　過程及結(jié)果　188
11.5　本章要點(diǎn)　189
第12章　高維稀疏數(shù)據(jù)聚類知識(shí)發(fā)現(xiàn)應(yīng)用　190
12.1　面向管理問題的應(yīng)用　190
12.1.1　高維稀疏客戶數(shù)據(jù)存儲(chǔ)　190
12.1.2　圖書館讀者群劃分　193
12.1.3　漢語詞匯聚類分析　195
12.1.4　文獻(xiàn)知識(shí)結(jié)構(gòu)識(shí)別　197
12.2　面向數(shù)據(jù)組織的應(yīng)用　200
12.2.1　多維數(shù)據(jù)建模　200
12.2.2　數(shù)據(jù)準(zhǔn)備　203
12.2.3　聚類數(shù)據(jù)預(yù)處理　205
12.2.4　維表數(shù)據(jù)生成　206
12.2.5　事實(shí)表數(shù)據(jù)生成　208
12.2.6　數(shù)據(jù)分析實(shí)現(xiàn)　209
12.3　本章要點(diǎn)　212
參考文獻(xiàn)　213
索引　218
后記　224