中期检查-打印.docVIP

研究目的和意义 聚类挖掘是数据挖掘的一个重要研究方向，聚类挖掘的目的是将大量的数据对象按其自身的属性划分成若干类别，以保证同类对象间尽可能相近，而类间对象尽可能相异，从中发现一些对用户有用的信息以指导用户进行更深层次的数据挖掘或分析。因此，有效地进行聚类挖掘至关重要。 多尺度聚类挖掘是聚类挖掘研究的一个新方向。多尺度聚类挖掘是针对数据的多尺度特性进行的聚类挖掘，旨在对数据的不同尺度进行聚类，数据的多尺度聚类挖掘主要表现在两个方面：时间尺度的可伸缩性和空间尺度的可扩展性。使用户在不同的尺度层面对数据进行观察与分析。 多尺度聚类数据挖掘面临紧迫要求。随着数据挖掘技术的普及和应用，聚类挖掘作为数据挖掘领域中的重要技术而得到广泛的应用，然而仅从数据的单一尺度进行的聚类挖掘已不能满足用户观察和分析数据的要求。为适应用户从多个尺度探索数据的紧迫要求，提出了一种基于加权向量提升的多尺度聚类挖掘算法，以实现在多个尺度层面对数据进行聚类挖掘。 国内外研究现状 多尺度数据挖掘的三种途径。孙庆先，方涛，郭达志等通过对空间数据挖掘中的尺度转换进行研究将数据的多尺度数据挖掘归结为以下三个途径： a)在挖掘前将单一尺度的数据转换为多个尺度的数据，然后对多个尺度的数据分别进行挖掘，即实现数据的多尺度转换； b)在数据挖掘算法中增加调节尺度用的操作部件，以控制挖掘出的知识的尺度； c)将挖掘出的单一尺度的知识转换为多个尺度的知识，即实现知识的多尺度转换。 基于三种途径的多尺度聚类挖掘算法研究。对数据的多尺度特性进行聚类挖掘算法研究的方法主要集中于前两种途径，即实现数据的多尺度转换。如施培蓓，郭玉堂等2011年通过比较聚类中心与原点的距离和引入尺度参数来控制数据点与聚类中心的距离的方法提出了一种改进的K-Means聚类算法实现了多尺度的谱聚类数据挖掘。 这种类型的聚类算法需要对数据的每一个尺度应用一次聚类挖掘算法，计算量大。而第三种途径的多尺度聚类挖掘算法研究较少，刚好可以克服前两种途径的缺点。 主要研究内容 本文研究的核心是通过多尺度数据挖掘的第三种途径，提出并实现基于加权向量提升的多尺度聚类数据挖掘算法。算法首先对选定的基准尺度进行聚类挖掘，再通过加权向量提升的尺度转换方法获取其它尺度上的聚类结果，因此本文的主要研究内容为： 1）基于加权向量提升的多尺度聚类挖掘算法 2）基准尺度的选取准则 3）加权向量提升的权重的确定方法 4）多尺度聚类挖掘结果的评估 目前已完成情况 基于加权向量提升的多尺度聚类挖掘算法 1) choose the Basic Scale of , 2) obtain clusters of on the scale 3) for the other scale of , which is not the Basic Scale 4) if 5) then SD() 6) inverse clusters of on scale 7) if 8) then SU() 9) inverse clusters of on scale 10) exit when there is no any scale 基准尺度的选取准则 1）距离最大准则 基准尺度选择时，若所选择的基准尺度使得在所有目标尺度上聚类结果的距离和达到最大，则该基准尺度就是最佳的基准尺度，定义两基准尺度聚类结果作为神经网络输入端，目标尺度聚类结果作为神经网络输出端，来构建反向传输的两层神经网络来学习加权向量提升中的权重。定义两个基准尺度间的距离度量： 其中f是基准尺度在各个目标尺度上的聚类结果。 2）能量最大差异准则 对于L个类别，当其中具有相同的均值或者均值很接近时，其特征向量的平方和即能量便提供了一种分类信息：若不同类别的特征向量之间的能量相差越大，则类别的可分性就真好。因此定义如下的能量差异函数，选取某一基准尺度使得以其为参数的能量差异最大，这一基准尺度便是最佳的基准尺度： 其中f是基准尺度在各个目标尺度上的能量。 3）相关系数最小准则 若所选择的基准尺度使得数据在所有尺度上的聚类结果的相关系数最小，则这一基准尺度便为最佳的基准尺度。 尚未完成的工作 1）基准尺度的自动选择 2）多尺度聚类挖掘结果的评价机制 后期工作安排 1）2012.11-2012.12 多尺度挖掘结果的评价机制的完成； 2）2012.12-2013.01 论文初稿的完成； 3）2013.01-2013.03 论文的进一步修改。