基于尺度转换机制的多尺度聚类挖掘算法 (摘要引言定义算法部分)SLZ.docxVIP

基于尺度转换机制的多尺度聚类挖掘算法引言11. 基尺度与尺度转换机制22. 算法iMSCA32.1 iMSCA32.2 尺度上推与下推43 算法性能分析44 总结与展望4摘要：提出了一种基于重要尺度的多尺度聚类挖掘算法iMSCA(important MultiScaleClustering Algorithm)，同传统的多尺度聚类挖掘算法不同，基于重要尺度的多尺度聚类挖掘算法首先在指定的重要尺度实现聚类挖掘结果，再通过尺度转换机制求得用户感兴趣的其它尺度的聚类结果。实验数据表明，本文提出的算法iMSCA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、尺度转换机制Abstract：An important MultiScale Clustering Algorithm (iMSCA) is proposed. Unlike the traditionalmultiscale clustering algorithms, iMSCA clusters the data on an important scale, then obtains the clustering results on the other scales which users are interested in with the help of Scale Convert Mechanism. The experiments turns out that iMSCA presented in this paper does well compared with the traditional multiscale clustering algorithms.Key Words：Clustering Mining, Multiscale, Scale Convert Mechanism引言聚类挖掘是数据挖掘研究领域重要的组成部分，而多尺度聚类挖掘是解决具有多尺度特性的空间或时空数据的挖掘算法，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，针对空间或时空数据的多尺度特性进行的研究大多集中于多尺度效应与多尺度建模方面等应用方面，如以非监督多尺度数据流算法基于数据驱动的数据流对涉及时间尺度的数据流进行趋势预测[]，并将这种算法成功地应用于股票数据的分析。另有学者将平稳小波变换应用于多尺度分析提出了应用性强的尺度选择方法进而构建了两种分类器—SVM分类器和Bayes分类器[]。通过引入多尺度超像素分割生成中间点，有学者提出了一种从杂乱影像中恢复和分组物体对称部分的方法[]。但对多尺度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的多尺度谱聚类算法[]，基于多尺度并行免疫克隆优化聚类算法[]实现了在不同的进化时期分别以大小不同的多种尺度并行地实现最优解空间的快速定位与精确查找，基于小波分解和领域信息的多尺度FCM聚类算法[]大大提高了图像分割的效率、抗噪性和均匀性。但这些基于数据的多尺度特性进行的聚类挖掘大多是通过引入调节聚类尺度的控制参数[]来实现在每种尺度上的聚类挖掘。但这种挖掘算法需要在每一种尺度上进行挖掘，计算量大，在用户不感兴趣的尺度上进行的挖掘结果得不到用户的认可，造成资源浪费，也不能实现在某一指定尺度上的实时聚类挖掘。针对这些多尺度聚类挖掘算法的不足，本文提出了一种基于尺度转换机制的多尺度聚类挖掘算法iMSCA(important Multi-Scale based Clustering Algorithm)，算法先在指定的基尺度BS(Basic Scale)上进行聚类挖掘，再借助于尺度转换机制SCM(Scale Convert Mechanism)对其它尺度进行挖掘。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。本文第二部分对算法思想进行阐述，并引入了基尺度的概念和尺度转换机制；第三部分详细描述了本文的算法过程；第四部分对本文算法的性能进行了分析和验证；最后对本文研究工作进行了总结和展望。1. 基尺度与尺度转换机制针对传统多尺度聚类挖掘存在的不足，本文通过引入基尺度与尺度转换机制具有多尺度特性的空间或时空数据库进行挖掘。尺度在学术界并没有一个确定的概念，1992年，Lam和Quattrochi对尺度总结了四种含义[书-多尺度随机模型及其应用]，分别是a)传统意义下的制图比例尺或地图比例尺，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。鉴于此并结合本文研究的需要有必要对尺度的一些基本概念进行定义，并在此基础上引入尺度转换机制。定义1尺度(Scale)：是指对某一事物或现象 (Object)进行研究时所采用的空间或时间单位