一个基于属性相似性的聚类分析方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
可以是单个对象， 也可以是多个对象组成的 类， 或者其中一个表示单个对象， 而另一个表
示一类。 （ 下转第 “ 页）
为属性的平均权重。ａ是 Ｓ 的第 ｋ ； 、 ＊ 个属性，
・６ ・
《 电脑与信息技术》０２ ２０ 年第 ４ 期
因考虑到安全问题而未予列出。
４ 算法测试与优化
完成算法设计后进行程序编码， 编译后 得可执行的目标码。在实际使用前还需对算
一个基于属性相似性的聚类分析方法
李广原， 李文敬
（ 广西师范学院信息技术系， 南宁 ５００） ３０１
摘 要： 聚类分析是数据挖掘技术中的一类常见的方法。对于一类数值属性的挖据， 聚类之后， 常出现所谓的孤立点。 然而， 有的孤立． 点其实并不孤立， 它可能仍属于某个 已 确定的类， 文章提出了一个基于属性之间相似关系的聚类分析万法， 并对此进行 了
如果
式二（Ｉ １ Ｉ Ａ ａ ， Ａ 一ｒ ； 、 ； Ｉ ； Ｉ 二 ｉ ； ＞
｝ Ａ 一 ， 止 ，份 二 Ｂ． 不牛 胃 ＞
｝；＋｝Ａ ｛ ’ Ａ｝ Ａ ； 一厂
下丁兴井ｔ二 １之口 ， ） （） ４
Ｖ ） ｊ Ｖ７ ｊ．｝ｊ ， ｉ ， ｊＶ２ ．Ｖｍ 其中Ｖ 为属性 ．Ｓ ＝（ ， ，． ） ｉ ａ的值。我们把 ＳＩ， ‘ ｉ ｓ看成是 ｍ维空间的一
个点， 则它们之间相似度的大小可用它们之
称 Ｋ Ｄ 是从大量数据中提取可信的、 Ｄ， 新颖
的、 有效的并能被人理解的模式的处理过程， 这种处理是非常繁琐的过程。数据挖掘的方 法大致可分为机器学习方法、 统计方法、 神经
我们记
Ａ 二｛ ａ为重要属性｝ Ｉ 、 Ａ ｎ ｒ ， ａ （） １ Ａ ＿ 成闷 为次要属性 ｝ ； ｛ 不 （） ２ 即 Ｓ＝ Ａ Ｕ 对某一对象 ＳＥ ， ； ； ； Ａ ； Ｓ 我们
类分析方法。 对于给定的属性集， 各属性在某 个对象 Ｓ 中的重要性一般来说是不相同的， 、 我们用一个阂值来代表属性在对象中的重要 程度， 我们称为属性的权重。 我们的方法是基 于这样一个假设： 对于两个对象， 如果它们之 间具有越多的相同属性且相同属性的权重较 大， 则它们越相似。我们给出以下定义： 定义 １ 设 ＝（ｌ ，． ｎ Ｓ Ｓ１２．Ｉｒ为给定的 ５ １ ．Ｓ ）
下面我们给出基于属性相似性的聚类方
法的基本策略。如果某一对象的重要属性与 某类中心点的重要属性相同的比例大于某个 值且重要属性个数占到全部属性的某一定值
时， 我们把它们划归为同一类 ， 否则它们属不 同的类。 基于属性相似性的聚类算法如下：
５ 结束语
在算法设计和程序编码完成后， 建立好 应用系统的测试环境。 将加／ 解密程序嵌入应
用系统进行测试， 经全面测试后再投入到应 用系统的生产环境中。 加／ 解密程序投入生产环境已经一年多， 从运行情况来看， 其速度满足了系统正常运 行时的要求， 算法其它方面的性能满足要求， 应用系统运行正常。 参考文献 ：
几里得距离， 如果把相似度的计算方法写成
下式
如果对任一 ａ ， ｉ ０ｉ ｚ ｒＶｌ ｔ ， Ｓａ ＋， ＋…＋Ａ ）Ｍ ｝ ，， ．／
ｄｉ ） ， １ Ｖ ｚ Ｖ１ ｉ ＋Ｉ ｉ＋…＋ （， ＝Ｉ ｊ 一Ｖ Ｉ ｉ ｚ 】 一Ｖ Ｉ、 ｉ Ｖ二 ｎ 一Ｖ ｝
・５ ・
ｄ ｉｊ “Ｎ（ｒ ｉ’ Ｖ 一 ｚ ＋…＋（， Ｖ ） ｉｚ （， ） Ｖ １ ＋（ｒ Ｖ ） ； ） 一Ｖ ｚ Ｖ 一 ｉＺ 。 ｎ
这里的Ｖ Ｖｋ ＝１２＂， 分别为对 ， ｉｋ ，，＂ ， （ ＂ｍ） 象Ｓ Ｓ 的第Ｋ个属性的属性值， ， 上式为欧
外界进行信息交流。可是， 数据大量的涌入， 增加了我们获取有用信息的难度。如何从大 量的数据中获得有价值的信息， 采用传统的 数据库技术已显得无能为力。数据的迅速增 加与数据的分析处理方法滞后的矛盾越来越
大， 人们希望能够在对已有的大量数据分析 的基础上进行科学研究、 商业决策或企业管 理， 数据挖掘正是在这一背景下诞生的。 实践 证明， 数据挖掘已在多个领域里取得了成效。
［］ Ｃ ／Ｐ Ｌ ＭＥ ＴＯ ． ＩＹ Ｃ Ｒ ． ６ １ Ｔ Ｐ Ｉ Ｉ Ｅ Ｎ Ｉ Ｎ Ｕ Ｓ Ｓ Ｐ １９． ＭＰ Ｎ Ｏ ９ ［］ Ｓ Ｓ Ｅ Ａ Ｔ ＩＵ Ｅ Ｏ Ｒ Ｍ ．Ｕ ＩＹ ２ Ｙ Ｔ Ｍ Ｔ Ｒ Ｂ Ｔ Ｐ Ｇ Ａ Ｒ ＮＳ Ｓ
Ｃ ． ＯＲＰ １ ９ ． ６ ９
在开始设计算法时， 应对算法的理论基 础进行透彻分析， 看是否能达到自己的设计 目的。 考虑到算法的实现特性， 在完成程序编 码后， 还需再次对算法的程序编码进行评价。 （） ２算法速度测试
编一程序循环调用加／ 解密算法 ， 取平均 值可得每次算法调用的执行时间。这样可评 价加／ 解密操作的运算量。
网络方法和数据库方法。
间的距离ｄ ， 来度量。 ｉ） （ｊ 距离越大， 相似度越
小； 反之 ， 相似度越大 。
收稿日期：０２ ０ 一 １ ２０ 一 ５ １ 作者简介： 李广原， 硕士， 男， 讲师， 研究方向： 信息检索、 数据库技术； 李文敬， 讲师。 男，
《 电脑与信息技术》０２ ２０ 年第 ４ 期
Ｉ － Ａ
Ｉ Ａ ； ‘ Ａ！ Ａ ｝ ；十｝ 一厂
取值， 对于ｄ ＥＳ ， ＩＶ ，２２．，ｌ Ｓ ， Ｓ＝（ｌｌ ， ，．／ ｋ ｎＶ ． ｌ ， ； Ｖ ）Ａ表示对象 Ｓ 中属性 ａ 的权重，ｉ ， ，， ｎ ； ‘ ， Ａｃ ，－ ［ １」 ０１ 。 定义 ２ 对任一 ＳＥＳ Ｓ二（ｉ ｉ ， ，， ＡＶ ， ｌ 益
则成为曼哈坦距离， 此外， 还有明考斯距 离， 其定义如下：
ｄｉ ） Ｉ ｊ“ ｉ ｖ Ｉ ｖ 一Ｙ Ｖ 一 ｉｑ ቤተ መጻሕፍቲ ባይዱｊ二（ ｉ ｌ＋｝ｚ ， ， ， ！ ＋…
＋｝。 Ｖ Ｖ一 ｝４／ ； ．） ｎ ４ 。］ Ｉ
这里的ｑ 是一个正整数。当ｑ 时， ＝１ 它 表示曼哈坦距离， ＝２ 表示欧几里得 当ｑ 时，
距离 。
２ 基于属性相似性的聚类分析方法
对于一类数据属性的挖掘， 经过聚类之 后常出现一些所谓的孤立点。孤立点是这样 的一些数据， 对于一个给定的聚类方法， 经过 聚类之后， 它们不属于任何一类。其实， 有的 孤立点并不孤立。下面我们给出一个新的聚
（ ａ取值为 ０４ 可视不同情况定）则 ａ 为 ．， ， ； ＊ “ 重要” 属性 ， 否则为“ 次要” 属性。其中，＊ 凡是 属性 ａ的权重。 ； ， 此外， 对于一个已给定的类， 为了简化计 算， 我们选取该类的“ 中心点” 来代表该类。 “ 中心点” 的选取， 可选择在空间分布上属最 “ 核心” 的点， 也可取该类所有对象的各属性 的平均值作为该中心点的属性。当然后一种 情况的这个点是一个“ 虚点”但这不影响我 ， 们的做法。 据以上定义及假设对Ｖ ＥＳ ｉ ，， Ｓ ； （＝１２ －，）‘ －ｎＳ 可表示为 － Ｓ＿ ， ａ为重要属性 ｝ Ｉ ； １； ｛ａ ， ． Ｕ 仪ａＩ ｝ ｉ ａ为次要属性 ： ｏ ，。 ， ； 分别为属性 ａ ａ的权重） ｝ ； ；
（） 解密输出结果比对 ３加／ 检查加／ 解密输出值是否在预测区域， 并 检查程序运算的正确性。 （） ４相关性分析 取一组加／ 解密输出值， 算出这些值之间
（ 止接 第 ６页）
ｅ ｄｆ ｎｉ ｅｄｏ ｎｄ
Ｖ ， １ Ｖｎ ｄ Ａ＋Ａ＋…＋从 ）Ｍ ｚ…，． ． ， 二（ｔ ｒ ， ）称 Ｉ ｚ ／
其中，Ｅ ，］夕 ［． ］ａ月 ０６１；Ｅ ３１，， 取 ａ ［． ０ ， 值可视实际情况而定，Ａ；，Ａ ＩＩ； Ｉ； Ｉ， Ａ ｝ Ｉ ， 分别 为集合Ａ； ； ， ；Ａ， 元素的个数。 ， Ａ 则Ｓ Ｓ同 属一类， ；； ， 否则自 成一类。Ｓ Ｓ ； ， ；
离的计算方法， 如欧氏距离， 明考斯基距离
１ 数据挖掘及聚类分析
数据挖掘又叫数据库 中的知识发现 ， 简
等 下作 要 介 ［ 。 面 简 的 绍ｌ Ｕ ０
对于任意两个对象 Ｓ， ｉｊ Ｓ， ａ ａ， Ａ二（ ２
…， ） 。 为对象的属性集，ｉ ｉＶ ， 、 Ｓ （ ｉ ．， ＝ ， ． Ｖ ｉ ． ２
探讨。
关键词 ： 数据挖据； 聚类分析； 相似度； 属性 Ａ ｓ ａｔＣｕｔｒ ａ ｓ ｉ ａ ｐ ｌ ｍ ｔｏ ｉ Ｄ ｔ Ｍｉ ｎ ＇ Ｔ ｃｎｌ ｙ Ｔ ｂｔ ｃ： ｌｓ ａ ｌ ｉ ｓ ｏ ｕａ ｅｈｄ ａａ ｎ ｇｓ ｈ ｏ ｇ ， ｏ ｒ ｅ ｎ ｙ ｓ ｐ ｒ ｎ ｉ ｅ ｏ ｓｍ ｄｔ ａｔｂ ｔ ，ｆ ｒ ｓ ｒ ｇ ｔｅ ａｅ ｕｌ ｅ ｅｇ ｓｍ ｓ ｏ ｅ ａ ｒ ｕｅ ａ ｅ ｃ ｔ ｉ ，ｈｒ ｒ ｕ ａ ｙ ｒｅ ｅ ａｅ ａ ｔ ｉ ｓ ｔ ｌ ｅｎ ｕ ｅ ｓ ｌ ｍ ｏ ｏ一ｃｌｄ ｌ ｏ ｔｅｓ ｂｅ Ｈ ｗ ｖｒｓｍ ｏ ｔｅｓ ｎｔ ｌ ｅＭａｂ ｔｅ ａｅ ｏ ｇ ａ ｕｌｒ ｐｏ ｌ ｉ ｒ ｍ． ｅｅ， ｅ ｌｒ ａｅ ｉ ａ ． ｙ ｅ ｙ ｂｌ ｔ ｏ ｏ ｕｉ ｒ ｏ ｓ ｔ ｏ ｈ ｒ ｅ ｎ ｏ ｄｆ ｉ ｃ ｓ． ｅ ｐｒ ｃｓ ｗｔ ｔｉ ｐｏｌ ｂ ｐｅｅｔ ｇ ｎｗｙ ｓ ｒ ｅｉ ｔ ｌ ｓＴ ｐ ｅ ｄ ｕｅ ｈ ｓ ｂｅ ｙ ｓｎｉ ａ ｌ ｃ ｔ ｎ ｅ ａ ｈ ａ ｉ ｓ ｉ ｈ ｒ ｍ ｒ ｎ ｅ ｌ ｅ ｕ ａａ ｓ ｍｅｈ ｄ ｓｄ ｔｅ ｉｒｙ ｔｅ ｒ ｕｅ． ｎｌ ｉ ｔｏ ｂ ｅ ｏ ｈ ｓ ｌ ｉ ｏ ｈ ａｔｂ ｔ ｙ ｓ ａ ｎ ｉ ａ ｔ ｆ ｔ ｉ ｓ ｍ Ｋ ｙ ｒｓ ｔ ｍｉｉｇ ｃ ｓｅ ａａ ｓ ； ｉ ｒ ｙａｔ ｂ ｔ ｅ ｗ ｄ ；ａａ ｎｎ ； ｔｒ ｌ ｉ ｓ ｌ ｉ ； ｉｕｅ ｏ ｄ ｌ ｕ ｎ ｙ ｓ ｉ ａｔ ｔ ｍ ｒ 计算机技术的迅猛发展以及网络的普 及， 使人们有了更多的机会和便捷的方法与 所谓聚类 就是把给定一对象集合分组 ， 成为由类似对象组成的多个类的过程。方法 是根据对象间的相似程度而归于一个类别， 两对象是否归于同一类， 要看它们的相似度 如何。 当它们之间的相似度大于某一值时， 则 归于同一类， 否则， 两对象分属不同的类。在 聚类分析方法中， 又可分为基于划分的方法、 基于层次的方法、 基于密度的方法、 基于网格 的方法和基于模型的方法。对于一类数值属 性的挖掘方法， 目前较常用的是基于几何距
法和程序进行分析、 测试与优化。
的自 相关性值， 看输出统计值是否满足相关 技术分析指标。 （） ５算法优化 通过对算法的分析、 速度测试和对加／ 解 密输出值的统计分析， 找出算法需改进的环 节并进行优化。 重复以上过程， 直到算法和程
序都满足要求。
（） １算法理论分析
对象集， Ａ＝（，ａ， ａ ） ａ，ｚ一，． 为属性 集， Ｖ＝ （ １ ｚ．Ｉ ．为属性值集， Ｖ ， ，． ） Ｖ ．Ｖ 其中 Ｖ 为 ａ 的 ‘ ‘
也有Ｓ＝Ａ Ｕ ； ； ｝ ； ； Ａ Ａ， 意义同上， Ａ 对任意
的两个对象 Ｓ，； Ｓ设 ； Ｅ Ｓ Ａ 门 ； ； ； ； Ａ ＝Ａ （） ３
示一类。 （ 下转第 “ 页）
为属性的平均权重。ａ是 Ｓ 的第 ｋ ； 、 ＊ 个属性，
・６ ・
《 电脑与信息技术》０２ ２０ 年第 ４ 期
因考虑到安全问题而未予列出。
４ 算法测试与优化
完成算法设计后进行程序编码， 编译后 得可执行的目标码。在实际使用前还需对算
一个基于属性相似性的聚类分析方法
李广原， 李文敬
（ 广西师范学院信息技术系， 南宁 ５００） ３０１
摘 要： 聚类分析是数据挖掘技术中的一类常见的方法。对于一类数值属性的挖据， 聚类之后， 常出现所谓的孤立点。 然而， 有的孤立． 点其实并不孤立， 它可能仍属于某个 已 确定的类， 文章提出了一个基于属性之间相似关系的聚类分析万法， 并对此进行 了
如果
式二（Ｉ １ Ｉ Ａ ａ ， Ａ 一ｒ ； 、 ； Ｉ ； Ｉ 二 ｉ ； ＞
｝ Ａ 一 ， 止 ，份 二 Ｂ． 不牛 胃 ＞
｝；＋｝Ａ ｛ ’ Ａ｝ Ａ ； 一厂
下丁兴井ｔ二 １之口 ， ） （） ４
Ｖ ） ｊ Ｖ７ ｊ．｝ｊ ， ｉ ， ｊＶ２ ．Ｖｍ 其中Ｖ 为属性 ．Ｓ ＝（ ， ，． ） ｉ ａ的值。我们把 ＳＩ， ‘ ｉ ｓ看成是 ｍ维空间的一
个点， 则它们之间相似度的大小可用它们之
称 Ｋ Ｄ 是从大量数据中提取可信的、 Ｄ， 新颖
的、 有效的并能被人理解的模式的处理过程， 这种处理是非常繁琐的过程。数据挖掘的方 法大致可分为机器学习方法、 统计方法、 神经
我们记
Ａ 二｛ ａ为重要属性｝ Ｉ 、 Ａ ｎ ｒ ， ａ （） １ Ａ ＿ 成闷 为次要属性 ｝ ； ｛ 不 （） ２ 即 Ｓ＝ Ａ Ｕ 对某一对象 ＳＥ ， ； ； ； Ａ ； Ｓ 我们
类分析方法。 对于给定的属性集， 各属性在某 个对象 Ｓ 中的重要性一般来说是不相同的， 、 我们用一个阂值来代表属性在对象中的重要 程度， 我们称为属性的权重。 我们的方法是基 于这样一个假设： 对于两个对象， 如果它们之 间具有越多的相同属性且相同属性的权重较 大， 则它们越相似。我们给出以下定义： 定义 １ 设 ＝（ｌ ，． ｎ Ｓ Ｓ１２．Ｉｒ为给定的 ５ １ ．Ｓ ）
下面我们给出基于属性相似性的聚类方
法的基本策略。如果某一对象的重要属性与 某类中心点的重要属性相同的比例大于某个 值且重要属性个数占到全部属性的某一定值
时， 我们把它们划归为同一类 ， 否则它们属不 同的类。 基于属性相似性的聚类算法如下：
５ 结束语
在算法设计和程序编码完成后， 建立好 应用系统的测试环境。 将加／ 解密程序嵌入应
用系统进行测试， 经全面测试后再投入到应 用系统的生产环境中。 加／ 解密程序投入生产环境已经一年多， 从运行情况来看， 其速度满足了系统正常运 行时的要求， 算法其它方面的性能满足要求， 应用系统运行正常。 参考文献 ：
几里得距离， 如果把相似度的计算方法写成
下式
如果对任一 ａ ， ｉ ０ｉ ｚ ｒＶｌ ｔ ， Ｓａ ＋， ＋…＋Ａ ）Ｍ ｝ ，， ．／
ｄｉ ） ， １ Ｖ ｚ Ｖ１ ｉ ＋Ｉ ｉ＋…＋ （， ＝Ｉ ｊ 一Ｖ Ｉ ｉ ｚ 】 一Ｖ Ｉ、 ｉ Ｖ二 ｎ 一Ｖ ｝
・５ ・
ｄ ｉｊ “Ｎ（ｒ ｉ’ Ｖ 一 ｚ ＋…＋（， Ｖ ） ｉｚ （， ） Ｖ １ ＋（ｒ Ｖ ） ； ） 一Ｖ ｚ Ｖ 一 ｉＺ 。 ｎ
这里的Ｖ Ｖｋ ＝１２＂， 分别为对 ， ｉｋ ，，＂ ， （ ＂ｍ） 象Ｓ Ｓ 的第Ｋ个属性的属性值， ， 上式为欧
外界进行信息交流。可是， 数据大量的涌入， 增加了我们获取有用信息的难度。如何从大 量的数据中获得有价值的信息， 采用传统的 数据库技术已显得无能为力。数据的迅速增 加与数据的分析处理方法滞后的矛盾越来越
大， 人们希望能够在对已有的大量数据分析 的基础上进行科学研究、 商业决策或企业管 理， 数据挖掘正是在这一背景下诞生的。 实践 证明， 数据挖掘已在多个领域里取得了成效。
［］ Ｃ ／Ｐ Ｌ ＭＥ ＴＯ ． ＩＹ Ｃ Ｒ ． ６ １ Ｔ Ｐ Ｉ Ｉ Ｅ Ｎ Ｉ Ｎ Ｕ Ｓ Ｓ Ｐ １９． ＭＰ Ｎ Ｏ ９ ［］ Ｓ Ｓ Ｅ Ａ Ｔ ＩＵ Ｅ Ｏ Ｒ Ｍ ．Ｕ ＩＹ ２ Ｙ Ｔ Ｍ Ｔ Ｒ Ｂ Ｔ Ｐ Ｇ Ａ Ｒ ＮＳ Ｓ
Ｃ ． ＯＲＰ １ ９ ． ６ ９
在开始设计算法时， 应对算法的理论基 础进行透彻分析， 看是否能达到自己的设计 目的。 考虑到算法的实现特性， 在完成程序编 码后， 还需再次对算法的程序编码进行评价。 （） ２算法速度测试
编一程序循环调用加／ 解密算法 ， 取平均 值可得每次算法调用的执行时间。这样可评 价加／ 解密操作的运算量。
网络方法和数据库方法。
间的距离ｄ ， 来度量。 ｉ） （ｊ 距离越大， 相似度越
小； 反之 ， 相似度越大 。
收稿日期：０２ ０ 一 １ ２０ 一 ５ １ 作者简介： 李广原， 硕士， 男， 讲师， 研究方向： 信息检索、 数据库技术； 李文敬， 讲师。 男，
《 电脑与信息技术》０２ ２０ 年第 ４ 期
Ｉ － Ａ
Ｉ Ａ ； ‘ Ａ！ Ａ ｝ ；十｝ 一厂
取值， 对于ｄ ＥＳ ， ＩＶ ，２２．，ｌ Ｓ ， Ｓ＝（ｌｌ ， ，．／ ｋ ｎＶ ． ｌ ， ； Ｖ ）Ａ表示对象 Ｓ 中属性 ａ 的权重，ｉ ， ，， ｎ ； ‘ ， Ａｃ ，－ ［ １」 ０１ 。 定义 ２ 对任一 ＳＥＳ Ｓ二（ｉ ｉ ， ，， ＡＶ ， ｌ 益
则成为曼哈坦距离， 此外， 还有明考斯距 离， 其定义如下：
ｄｉ ） Ｉ ｊ“ ｉ ｖ Ｉ ｖ 一Ｙ Ｖ 一 ｉｑ ቤተ መጻሕፍቲ ባይዱｊ二（ ｉ ｌ＋｝ｚ ， ， ， ！ ＋…
＋｝。 Ｖ Ｖ一 ｝４／ ； ．） ｎ ４ 。］ Ｉ
这里的ｑ 是一个正整数。当ｑ 时， ＝１ 它 表示曼哈坦距离， ＝２ 表示欧几里得 当ｑ 时，
距离 。
２ 基于属性相似性的聚类分析方法
对于一类数据属性的挖掘， 经过聚类之 后常出现一些所谓的孤立点。孤立点是这样 的一些数据， 对于一个给定的聚类方法， 经过 聚类之后， 它们不属于任何一类。其实， 有的 孤立点并不孤立。下面我们给出一个新的聚
（ ａ取值为 ０４ 可视不同情况定）则 ａ 为 ．， ， ； ＊ “ 重要” 属性 ， 否则为“ 次要” 属性。其中，＊ 凡是 属性 ａ的权重。 ； ， 此外， 对于一个已给定的类， 为了简化计 算， 我们选取该类的“ 中心点” 来代表该类。 “ 中心点” 的选取， 可选择在空间分布上属最 “ 核心” 的点， 也可取该类所有对象的各属性 的平均值作为该中心点的属性。当然后一种 情况的这个点是一个“ 虚点”但这不影响我 ， 们的做法。 据以上定义及假设对Ｖ ＥＳ ｉ ，， Ｓ ； （＝１２ －，）‘ －ｎＳ 可表示为 － Ｓ＿ ， ａ为重要属性 ｝ Ｉ ； １； ｛ａ ， ． Ｕ 仪ａＩ ｝ ｉ ａ为次要属性 ： ｏ ，。 ， ； 分别为属性 ａ ａ的权重） ｝ ； ；
（） 解密输出结果比对 ３加／ 检查加／ 解密输出值是否在预测区域， 并 检查程序运算的正确性。 （） ４相关性分析 取一组加／ 解密输出值， 算出这些值之间
（ 止接 第 ６页）
ｅ ｄｆ ｎｉ ｅｄｏ ｎｄ
Ｖ ， １ Ｖｎ ｄ Ａ＋Ａ＋…＋从 ）Ｍ ｚ…，． ． ， 二（ｔ ｒ ， ）称 Ｉ ｚ ／
其中，Ｅ ，］夕 ［． ］ａ月 ０６１；Ｅ ３１，， 取 ａ ［． ０ ， 值可视实际情况而定，Ａ；，Ａ ＩＩ； Ｉ； Ｉ， Ａ ｝ Ｉ ， 分别 为集合Ａ； ； ， ；Ａ， 元素的个数。 ， Ａ 则Ｓ Ｓ同 属一类， ；； ， 否则自 成一类。Ｓ Ｓ ； ， ；
离的计算方法， 如欧氏距离， 明考斯基距离
１ 数据挖掘及聚类分析
数据挖掘又叫数据库 中的知识发现 ， 简
等 下作 要 介 ［ 。 面 简 的 绍ｌ Ｕ ０
对于任意两个对象 Ｓ， ｉｊ Ｓ， ａ ａ， Ａ二（ ２
…， ） 。 为对象的属性集，ｉ ｉＶ ， 、 Ｓ （ ｉ ．， ＝ ， ． Ｖ ｉ ． ２
探讨。
关键词 ： 数据挖据； 聚类分析； 相似度； 属性 Ａ ｓ ａｔＣｕｔｒ ａ ｓ ｉ ａ ｐ ｌ ｍ ｔｏ ｉ Ｄ ｔ Ｍｉ ｎ ＇ Ｔ ｃｎｌ ｙ Ｔ ｂｔ ｃ： ｌｓ ａ ｌ ｉ ｓ ｏ ｕａ ｅｈｄ ａａ ｎ ｇｓ ｈ ｏ ｇ ， ｏ ｒ ｅ ｎ ｙ ｓ ｐ ｒ ｎ ｉ ｅ ｏ ｓｍ ｄｔ ａｔｂ ｔ ，ｆ ｒ ｓ ｒ ｇ ｔｅ ａｅ ｕｌ ｅ ｅｇ ｓｍ ｓ ｏ ｅ ａ ｒ ｕｅ ａ ｅ ｃ ｔ ｉ ，ｈｒ ｒ ｕ ａ ｙ ｒｅ ｅ ａｅ ａ ｔ ｉ ｓ ｔ ｌ ｅｎ ｕ ｅ ｓ ｌ ｍ ｏ ｏ一ｃｌｄ ｌ ｏ ｔｅｓ ｂｅ Ｈ ｗ ｖｒｓｍ ｏ ｔｅｓ ｎｔ ｌ ｅＭａｂ ｔｅ ａｅ ｏ ｇ ａ ｕｌｒ ｐｏ ｌ ｉ ｒ ｍ． ｅｅ， ｅ ｌｒ ａｅ ｉ ａ ． ｙ ｅ ｙ ｂｌ ｔ ｏ ｏ ｕｉ ｒ ｏ ｓ ｔ ｏ ｈ ｒ ｅ ｎ ｏ ｄｆ ｉ ｃ ｓ． ｅ ｐｒ ｃｓ ｗｔ ｔｉ ｐｏｌ ｂ ｐｅｅｔ ｇ ｎｗｙ ｓ ｒ ｅｉ ｔ ｌ ｓＴ ｐ ｅ ｄ ｕｅ ｈ ｓ ｂｅ ｙ ｓｎｉ ａ ｌ ｃ ｔ ｎ ｅ ａ ｈ ａ ｉ ｓ ｉ ｈ ｒ ｍ ｒ ｎ ｅ ｌ ｅ ｕ ａａ ｓ ｍｅｈ ｄ ｓｄ ｔｅ ｉｒｙ ｔｅ ｒ ｕｅ． ｎｌ ｉ ｔｏ ｂ ｅ ｏ ｈ ｓ ｌ ｉ ｏ ｈ ａｔｂ ｔ ｙ ｓ ａ ｎ ｉ ａ ｔ ｆ ｔ ｉ ｓ ｍ Ｋ ｙ ｒｓ ｔ ｍｉｉｇ ｃ ｓｅ ａａ ｓ ； ｉ ｒ ｙａｔ ｂ ｔ ｅ ｗ ｄ ；ａａ ｎｎ ； ｔｒ ｌ ｉ ｓ ｌ ｉ ； ｉｕｅ ｏ ｄ ｌ ｕ ｎ ｙ ｓ ｉ ａｔ ｔ ｍ ｒ 计算机技术的迅猛发展以及网络的普 及， 使人们有了更多的机会和便捷的方法与 所谓聚类 就是把给定一对象集合分组 ， 成为由类似对象组成的多个类的过程。方法 是根据对象间的相似程度而归于一个类别， 两对象是否归于同一类， 要看它们的相似度 如何。 当它们之间的相似度大于某一值时， 则 归于同一类， 否则， 两对象分属不同的类。在 聚类分析方法中， 又可分为基于划分的方法、 基于层次的方法、 基于密度的方法、 基于网格 的方法和基于模型的方法。对于一类数值属 性的挖掘方法， 目前较常用的是基于几何距
法和程序进行分析、 测试与优化。
的自 相关性值， 看输出统计值是否满足相关 技术分析指标。 （） ５算法优化 通过对算法的分析、 速度测试和对加／ 解 密输出值的统计分析， 找出算法需改进的环 节并进行优化。 重复以上过程， 直到算法和程
序都满足要求。
（） １算法理论分析
对象集， Ａ＝（，ａ， ａ ） ａ，ｚ一，． 为属性 集， Ｖ＝ （ １ ｚ．Ｉ ．为属性值集， Ｖ ， ，． ） Ｖ ．Ｖ 其中 Ｖ 为 ａ 的 ‘ ‘
也有Ｓ＝Ａ Ｕ ； ； ｝ ； ； Ａ Ａ， 意义同上， Ａ 对任意
的两个对象 Ｓ，； Ｓ设 ； Ｅ Ｓ Ａ 门 ； ； ； ； Ａ ＝Ａ （） ３