协作证据聚类算法研究与应用

发布时间：2022-02-21 16:08

　　随着信息技术的高速发展,数据总量呈现出指数型增长的趋势.各个公司依托其强大的存储能力,不断地采集、整理和分析数据,希望从中挖掘出有价值的信息.大量数据存放于不同的数据站点或各种类型的服务器中.由于安全、隐私或其他技术原因的限制,各个公司不愿意分享本地数据从而无法在数据层面实现共享,因此只能在非数据层面进行信息交互.为了更好地利用不同层面的信息来探究本地数据站点的内部结构,基于协作机制的聚类算法应运而生.协作聚类的基本思想是首先在各个数据站点独立地运行聚类算法,然后通过交换每个数据站点的局部结构信息进行交互,从而揭示不同数据站点潜在的共同底层结构.其中证据聚类算法基于证据理论中信任划分的概念,拓展了传统硬划分、模糊划分和可能性划分算法,能够更好地了解数据的内在结构.本文在证据理论框架下,首次基于证据c-均值算法引入协作机制,提出了协作证据聚类的概念用于探究各个数据站点深层次的结构信息.首先,通过各数据站点簇结构信息中的信任划分矩阵建立证据理论框架下的协作机制,从而满足数据机密性要求.其次,考虑到存在信息交互过度和信息交互不充分性的问题,分别设计了单步协作和多步协作证据聚类算法,其中多步协... 

【文章来源】：北京工业大学北京市211工程院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
符号表
第1章 绪论
    1.1 研究背景及意义
    1.2 证据理论与协作聚类算法的研究现状
    1.3 主要工作和结构安排
第2章 基础知识
    2.1 证据理论
    2.2 证据聚类算法
        2.2.1 信任划分
        2.2.2 ECM算法
    2.3 调整兰德指数
    2.4 本章小结
第3章 协作证据聚类算法
    3.1 问题陈述
    3.2 单步协作证据聚类算法
        3.2.1 目标函数
        3.2.2 优化细节
        3.2.3 算法步骤
    3.3 多步协作证据聚类算法
        3.3.1 结构相似性指标
        3.3.2 多步协作证据聚类算法
        3.3.3 协作强度系数κ的辅助设定方法
    3.4 协作性能外部评估指标
    3.5 本章小结
第4章 模拟研究
    4.1 数据集构建
    4.2 协作效应的考察
    4.3 本章小结
第5章 实证分析
    5.1 数据站点的构造
    5.2 协作效应的考察
    5.3 本章小结
结论
参考文献
攻读硕士学位期间的论文成果
致谢



本文编号：3637603