高維稀疏數據聚類知識發(fā)現理論

目錄
前言
第1章　聚類知識發(fā)現　1
1.1　數據庫知識發(fā)現　1
1.1.1　數據庫知識發(fā)現的產生與發(fā)展　1
1.1.2　數據庫知識發(fā)現的處理過程　2
1.1.3　數據庫知識發(fā)現的主要任務　3
1.1.4　數據倉庫與數據挖掘　4
1.2　數據類型及差異度計算　5
1.2.1　二值屬性　5
1.2.2　分類屬性　7
1.2.3　數值屬性　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　聚類方法的新進展　15
1.4.1　智能聚類　15
1.4.2　大數據聚類　16
1.5　本章要點　17
第2章　高維稀疏數據聚類知識發(fā)現理論體系　18
2.1　聚類研究的重點和難點　18
2.2　高維稀疏數據聚類問題　20
2.3　二值屬性高維稀疏數據聚類原理　22
2.4　高維稀疏數據聚類拓展　24
2.4.1　分類、數值和混合屬性數據　24
2.4.2　不完備數據　25
2.4.3　大規(guī)模數據　26
2.4.4　聚類過程調整　27
2.4.5　參數自適應　27
2.5　本章要點　29
第3章　二值屬性高維稀疏數據聚類　30
3.1　概念基礎　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　算法的兩層結構　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　聚類結果及分析　39
3.4　本章要點　40
第4章　分類屬性高維稀疏數據聚類　42
4.1　基于稀疏特征向量的聚類　42
4.1.1　概念基礎　42
4.1.2　算法步驟　44
4.1.3　分類屬性數據聚類示例　45
4.1.4　分類屬性稀疏數據聚類示例　47
4.2　基于集合差異度的聚類　48
4.2.1　概念基礎　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　相關定理　55
4.3.4　算法步驟　55
4.4　稀疏性指數排序聚類　56
4.4.1　稀疏性指數相關概念　57
4.4.2　稀疏性指數排序　57
4.4.3　算法步驟　58
4.4.4　算法示例　58
4.5　不干涉序列加權排序聚類　60
4.5.1　不干涉序列指數　60
4.5.2　相關定理　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　分類屬性數據對象的位集表示　66
4.6.2　位集差異度的定義及其性質　66
4.6.3　相關定理　67
4.6.4　算法步驟　69
4.7　本章要點　70
第5章　數值屬性高維稀疏數據聚類　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　模糊離散化數據聚類　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　88
第6章　不完備分類屬性數據聚類　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　90
6.1.3　相關定理　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　95
6.2.3　相關定理　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據填補　99
6.3.1　填補思想　99
6.3.2　約束容差集合精簡不變定理　101
6.3.3　填補過程　102
6.4　缺失數據填補實驗分析　103
6.4.1　數據集　103
6.4.2　補齊率分析　104
6.4.3　填補正確率分析　106
6.4.4　填補后聚類正確率分析　109
6.4.5　時間效率分析　111
6.4.6　參數分析　113
6.5　本章要點　115
第7章　不完備混合屬性數據聚類　116
7.1　對象混合差異度聚類　116
7.1.1　聚類思想　116
7.1.2　對象混合差異度　117
7.1.3　基于最近鄰的初始原型對象選擇　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據填補　124
7.3.1　填補思想　124
7.3.2　概念基礎　125
7.3.3　填補過程　126
7.4　缺失數據填補實驗分析　127
7.4.1　數據集　127
7.4.2　分類屬性填補分析　128
7.4.3　數值屬性填補分析　129
7.5　本章要點　131
第8章　大規(guī)模高維稀疏數據聚類　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　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象分配　138
8.1.5　非樣本對象分配示例　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　聚類正確性實驗分析　143
8.2.4　規(guī)模擴展性實驗分析　145
8.3　本章要點　147
第9章　參數自適應的高維稀疏數據聚類　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　內部有效性評價指標　149
9.1.3　概念基礎　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　差異度調整指數分析　160
9.2.4　閾值確定方法　161
9.3　無參數聚類　162
9.3.1　稀疏差異度閾值范圍的確定　162
9.3.2　考慮數據排序的調整稀疏特征向量　163
9.3.3　無參數聚類過程　164
9.3.4　算法計算時間復雜度　165
9.4　本章要點　166
第10章　高維稀疏數據調整聚類　167
10.1　高維稀疏數據雙向聚類　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　高維稀疏數據優(yōu)化調整聚類　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　179
第11章　聚類趨勢發(fā)現　180
11.1　聚類趨勢發(fā)現問題　180
11.1.1　問題提出　180
11.1.2　問題難點　181
11.1.3　聚類趨勢發(fā)現思想　182
11.2　概念基礎　182
11.2.1　穩(wěn)定原子類　182
11.2.2　距離趨勢的計算　183
11.3　聚類過程　184
11.3.1　算法步驟　184
11.3.2　數據關系　185
11.4　算法示例　187
11.4.1　問題描述　187
11.4.2　過程及結果　188
11.5　本章要點　189
第12章　高維稀疏數據聚類知識發(fā)現應用　190
12.1　面向管理問題的應用　190
12.1.1　高維稀疏客戶數據存儲　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　文獻知識結構識別　197
12.2　面向數據組織的應用　200
12.2.1　多維數據建模　200
12.2.2　數據準備　203
12.2.3　聚類數據預處理　205
12.2.4　維表數據生成　206
12.2.5　事實表數據生成　208
12.2.6　數據分析實現　209
12.3　本章要點　212
參考文獻　213
索引　218
后記　224