• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    相似度計(jì)算及其在數(shù)據(jù)挖掘中的應(yīng)用

    2016-06-29 19:16:55李俊磊滕少華
    電腦知識(shí)與技術(shù) 2016年13期
    關(guān)鍵詞:數(shù)據(jù)類型數(shù)據(jù)挖掘對(duì)象

    李俊磊 滕少華

    摘要:相似度是描述兩個(gè)對(duì)象之間相似程度的一種度量,依據(jù)對(duì)象不同,相似度計(jì)算方法亦不同。相似度計(jì)算被廣泛應(yīng)用于數(shù)據(jù)挖掘算法中,它是對(duì)象分類的基礎(chǔ)。該文將數(shù)據(jù)對(duì)象劃分為數(shù)值型、非數(shù)值型和混合型三種,并根據(jù)數(shù)據(jù)對(duì)象的類型,探討了相應(yīng)的相似度計(jì)算方法,最后,通過(guò)實(shí)例描述了相似度計(jì)算在數(shù)據(jù)挖掘中的應(yīng)用。

    關(guān)鍵詞:對(duì)象;相似度計(jì)算;數(shù)據(jù)挖掘;數(shù)據(jù)類型

    中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2016)13-0014-04

    Abstract: The Similarity is a measure of similarity between two objects, according to different objects, similarity calculation method is also different. Similarity calculation is widely used in data classification, is the basis for object classification. In this paper, the data objects were divided into three kinds: numeric type, non-numeric type and mixed type. And the similarity calculation methods of different types are discussed. Finally, we illustrated the application of similarity in the data mining.

    Key words: object; similarity calculation; data mining; data type

    伴隨數(shù)據(jù)挖掘技術(shù)的應(yīng)用領(lǐng)域發(fā)展,對(duì)象之間的相似性計(jì)算已成為一個(gè)非常重要的研究課題。相似度度量是衡量對(duì)象間相互關(guān)系強(qiáng)弱、聯(lián)系緊密程度的重要手段。

    在數(shù)據(jù)挖掘的方法中,諸如數(shù)據(jù)分類和預(yù)測(cè)[1-2]、數(shù)據(jù)聚類[1-2]、關(guān)聯(lián)分析[1-2]、序列模式[1-2]、依賴關(guān)系與依賴模型[1-2]、異常檢測(cè)和趨勢(shì)分析[1-2]等都離不開(kāi)對(duì)象之間的相似度分析。尤其是在考察對(duì)象間同異度關(guān)系時(shí),相似度度量和計(jì)算方法將直接影響最終的數(shù)據(jù)挖掘結(jié)果,相似度計(jì)算又是衡量對(duì)象間差異的基礎(chǔ),在分類應(yīng)用中,相似度計(jì)算是分類的依據(jù)。因而,依據(jù)不同的實(shí)際應(yīng)用和數(shù)據(jù)對(duì)象,研究相似度計(jì)算方法,對(duì)數(shù)據(jù)分類有重要意義。

    首先描述了相似度概念,進(jìn)而將數(shù)據(jù)對(duì)象分為三種類型:數(shù)值型、非數(shù)值型和混合型,然后按不同數(shù)據(jù)對(duì)象分別給出了相應(yīng)的相似度計(jì)算公式,最后通過(guò)實(shí)例對(duì)相似度計(jì)算進(jìn)行了說(shuō)明。

    1 相似度概念

    在數(shù)據(jù)挖掘、模式識(shí)別和機(jī)器學(xué)習(xí)等計(jì)算機(jī)應(yīng)用領(lǐng)域中,兩個(gè)對(duì)象的相似度是描述這兩個(gè)對(duì)象之間相似程度的一種度量,兩者越相似,它們的相似度就越高,相似度是一個(gè)非負(fù)數(shù)值,其值介于0和1之間[2]。數(shù)據(jù)挖掘的很多算法都涉及計(jì)算對(duì)象間的相似度,相似度計(jì)算方法依賴于數(shù)據(jù)對(duì)象的類型,數(shù)據(jù)對(duì)象的類型不同其相似度計(jì)算方法不同。例如,數(shù)值型數(shù)據(jù)的相似度可用歐氏空間的距離來(lái)描述其鄰近程度;兩個(gè)標(biāo)稱型數(shù)據(jù)對(duì)象的相似度與用來(lái)計(jì)算相似度的屬性的值域有關(guān)。

    依據(jù)參與相似度計(jì)算的數(shù)據(jù)類型,本文將數(shù)據(jù)對(duì)象分為數(shù)值型、非數(shù)值型和混合型[1-2]三種。

    1.1 數(shù)值型

    數(shù)值型數(shù)據(jù)被用來(lái)描述連續(xù)型或定量型數(shù)據(jù),即兩個(gè)不同數(shù)值之間有無(wú)窮多個(gè)數(shù)值。使用實(shí)數(shù)或度量衡單位計(jì)量相似度值,如溫度、身高等。數(shù)值型量可分為區(qū)間標(biāo)度量和比例標(biāo)度量,其中區(qū)間標(biāo)度量是一個(gè)線性的標(biāo)度量,而比例標(biāo)度量一般是非線性的。

    1.2 非數(shù)值型

    其取值是定性的、而非定量的數(shù)據(jù)。如人的性別,成績(jī)優(yōu)良等級(jí)等。通常這類對(duì)象屬性的取值可通過(guò)有限個(gè)狀態(tài)(字母/序數(shù))來(lái)描述。非數(shù)值型數(shù)據(jù)又可分為標(biāo)稱型、二元和序數(shù)型數(shù)據(jù)等。標(biāo)稱型數(shù)據(jù)之間是無(wú)序的,序數(shù)型是有序的。

    1.3 混合型

    由數(shù)值型數(shù)據(jù)和非數(shù)值型數(shù)據(jù)混合組成。

    2 相似度計(jì)算

    2.1 數(shù)值型數(shù)據(jù)

    數(shù)值型數(shù)據(jù)可分為區(qū)間標(biāo)度型和比例數(shù)值型數(shù)據(jù)。

    2.1.1 區(qū)間標(biāo)度型數(shù)據(jù)

    區(qū)間標(biāo)度型:是一個(gè)粗略線性標(biāo)度的連續(xù)量,這種量的值是有序的,可以為正數(shù)、負(fù)數(shù)或0。典型的例子有重量、高度、大氣溫度等。具體計(jì)算時(shí),區(qū)間型數(shù)據(jù)的相似度通常轉(zhuǎn)換成相異度計(jì)算。常用的計(jì)算方法是先將這種量標(biāo)準(zhǔn)化,消除度量單位對(duì)分析結(jié)果的影響,然后,采用距離來(lái)計(jì)算對(duì)象間的相異度。距離是一個(gè)非負(fù)數(shù),距離的大小代表著2個(gè)對(duì)象之間的差異程度,距離越大,2個(gè)對(duì)象相異度就越大,距離越小,2個(gè)對(duì)象之間的相似度越高。這里給出常見(jiàn)的相異度計(jì)算方法[3]。

    設(shè) p=(p1, p2, …, pn)T, q=(q1, q2, …, qn)T 為N維空間中的兩個(gè)對(duì)象,pi是對(duì)象p對(duì)應(yīng)的第i個(gè)屬性所取的值,是對(duì)象P的所有屬性值的平均值。qi是對(duì)象q對(duì)應(yīng)的第i個(gè)屬性所取的值,是對(duì)象q的所有屬性值的平均值。

    曼哈頓、歐氏和閔可夫斯基距離等計(jì)算公式分別如下:

    1)曼哈頓距離

    曼哈頓距離又稱為城市街區(qū)距離,是使用在幾何度量空間的幾何學(xué)用語(yǔ),用以表明2個(gè)點(diǎn)在標(biāo)準(zhǔn)坐標(biāo)系上的絕對(duì)軸距總和[4],對(duì)n維空間的曼哈頓距離表示如下:

    2個(gè)n維向量p(p1, p2, …, pn)與q(q1, q2, …, qn)間的曼哈頓距離:

    2)歐氏距離

    歐式距離也稱為歐幾里得距離,是通常采用的距離,它是在n維空間中2個(gè)點(diǎn)之間的真實(shí)距離,用來(lái)表示各個(gè)數(shù)據(jù)對(duì)象之間的距離。歐式距離與對(duì)象的量綱有關(guān),從統(tǒng)計(jì)的角度看,使用歐氏距離要求各個(gè)坐標(biāo)對(duì)歐式距離的貢獻(xiàn)是同等的且變差大小也是相同的[5]。

    2個(gè)n維向量p(p1, p2, …, pn)與q(q1, q2, …, qn)間的歐氏距離:

    (2)

    3)切比雪夫距離

    切比雪夫距離是一種最大距離。在向量空間中,2個(gè)向量間的切比雪夫距離,就是將其沿著任意坐標(biāo)尺寸的最大值[6]。二維和n維空間的切比雪夫距離如下:

    2個(gè)n維向量空間向量p(p1, p2, …, pn)與q(q1, q2, …, qn)間的切比雪夫距離:

    4)閔可夫斯基距離

    閔科夫斯基距離是歐氏距離和曼哈頓距離的推廣[7],定義如下:

    當(dāng)x=1時(shí),為曼哈頓距離,當(dāng)x=2時(shí)為歐氏距離。

    5)馬氏距離

    馬氏距離 [3]是一種常用的距離度量方式,能夠充分考慮模式特征參數(shù)的大小以及特征間的相關(guān)性,在模式識(shí)別中其性能通常比歐式距離好。馬氏距離是歐式距離的改進(jìn),是歐式空間中非均勻分布的歸一化距離,它對(duì)于一切線性變換是不變的[8]。

    6)Canberra距離

    Canberra距離是一種相對(duì)馬氏距離,不受量綱的影響,同樣沒(méi)有考慮多重相關(guān)性,Canberra距離對(duì)微小變化很敏感[9]。

    7)相關(guān)系數(shù)

    相關(guān)系數(shù)是對(duì)向量做標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)化后的夾角余弦,表示兩個(gè)向量的線性相關(guān)程度[10]。當(dāng)兩個(gè)向量方向相近時(shí),夾角余弦值越大,反之越小。特別地,當(dāng)兩個(gè)向量平行時(shí),夾角余弦值為1,而正交時(shí)余弦值為0。

    2.1.2 比例型數(shù)據(jù)

    比例型數(shù)據(jù)一般是通過(guò)非線性尺度取得的測(cè)量值。計(jì)算這類對(duì)象的相似度有三種方法:轉(zhuǎn)換為區(qū)間標(biāo)度型數(shù)據(jù)、轉(zhuǎn)換為連續(xù)的序數(shù)數(shù)據(jù)、取對(duì)數(shù)。

    2.2 非數(shù)值型數(shù)據(jù)

    許多數(shù)據(jù)挖掘方法只能處理數(shù)值型數(shù)據(jù),因此需要將非數(shù)值型數(shù)據(jù)轉(zhuǎn)為數(shù)值型數(shù)據(jù)??山⒎菙?shù)值型量的不同狀態(tài)值或利用離散數(shù)據(jù)建立其與對(duì)象之間的對(duì)照表。非數(shù)值型數(shù)據(jù)又可細(xì)分為標(biāo)稱數(shù)據(jù)、二元數(shù)據(jù)和序數(shù)型數(shù)據(jù)等。

    2.2.1 標(biāo)稱數(shù)據(jù)

    標(biāo)稱數(shù)據(jù)又稱為類別數(shù)據(jù),標(biāo)稱型屬性的值可以是一些符號(hào)或事物的名稱。每個(gè)值代表某種類別、編碼或狀態(tài)等。標(biāo)稱型屬性的值之間沒(méi)有順序關(guān)系。例如:設(shè)hair_color(頭發(fā)顏色)是一個(gè)描述實(shí)體人的屬性。它取值可以為黑色、棕色、淡黃色、紅色、赤褐色、灰色和白色等。因此,hair_color是標(biāo)稱屬性。

    通常,可以用數(shù)字表示這些符號(hào)或名稱,例如對(duì)于hair_color,可以指定數(shù)字0表示黑色,1表示棕色,2表示淡黃色等。

    兩個(gè)標(biāo)稱型對(duì)象i和j之間的相異度可以用簡(jiǎn)單匹配方法來(lái)計(jì)算:

    其中p為對(duì)象的屬性的個(gè)數(shù),m為對(duì)象i和j取值相同的屬性個(gè)數(shù),我們可以通過(guò)賦權(quán)重來(lái)增加m的影響,或者賦給有較多狀態(tài)的變量匹配以更大的權(quán)重。

    對(duì)于標(biāo)稱數(shù)據(jù),歐氏距離等不能直接應(yīng)用于其數(shù)據(jù)的特點(diǎn),Ralambondramy提出了一種該類型轉(zhuǎn)換成二進(jìn)制屬性的方法,用0和1表示一個(gè)屬性是否存在,并把這些二進(jìn)制屬性當(dāng)做數(shù)值來(lái)處理[11]。

    通過(guò)這種方法也很容易描述分類屬性的海明距離公式:

    2.2.2 二元型數(shù)據(jù)

    二元數(shù)據(jù)是一種特殊的標(biāo)稱數(shù)據(jù),只有二個(gè)類別或狀態(tài)(0和1)構(gòu)成,0表示該屬性不出現(xiàn),1表示出現(xiàn)。

    設(shè)x = (x1, x2, …, xn), y = (y1, y2, …, yn) 為二元數(shù)據(jù),常用0-0、0-1、1-0、1-1匹配表示xi及yi相應(yīng)的取值。其中fij表示集合{(xk, yk)| xk = i且yk = j, k = 1, 2, …, n}的基數(shù),[12]。計(jì)算二元型數(shù)據(jù)相似度的方法比較多,由于篇幅原因,只列如下幾種:

    1.簡(jiǎn)單匹配系數(shù)(對(duì)象的變量是對(duì)稱時(shí))

    2.Jaccard系數(shù)

    (11)

    3.Rogers-Tanimoto

    4.Srensen

    2.3 序數(shù)型數(shù)據(jù)

    序數(shù)型屬性變量分為分類和連續(xù)兩種。分類序數(shù)屬性與標(biāo)稱屬性類似,不同的是,分類序數(shù)值表示不同的狀態(tài),將其狀態(tài)可按一定的次序排列。例如,職稱就是一個(gè)分類序數(shù),按照助教、講師、副教授、教授的順序排列的;人的年齡段可按兒童、少年、青年、中年、老年順序排列。一個(gè)連續(xù)序數(shù)型數(shù)據(jù)看上去就像一組未知范圍的連續(xù)數(shù)據(jù),值之間的相對(duì)順序是重要的,而其實(shí)際的大小則不重要。在計(jì)算對(duì)象的相異度時(shí),對(duì)序數(shù)型數(shù)據(jù)的處理方式與區(qū)間標(biāo)度數(shù)據(jù)非常類似。

    假設(shè)f是用于描述n個(gè)對(duì)象的一組序數(shù)型屬性之一,若序數(shù)屬性f有mf個(gè)狀態(tài),關(guān)于f的相異度計(jì)算包括如下步驟:

    1)屬性f有mf個(gè)有序狀態(tài),第i個(gè)對(duì)象的屬性f的取值為xf,將屬性值xf替換為相應(yīng)的等級(jí)rf,rf{1,2,3,....,mf}。

    2)將序數(shù)屬性等級(jí)做變換,映射到區(qū)間[0,1]上。

    3)利用數(shù)值屬性的任一種距離計(jì)算公式來(lái)計(jì)算相異性。

    2.4 字符串型數(shù)據(jù)

    海明距離是專門針對(duì)字符串?dāng)?shù)據(jù)而設(shè)計(jì),用來(lái)衡量?jī)蓚€(gè)字符串之間的相似度,其計(jì)算公式如下所示:

    其中,表示兩個(gè)字符串。而,,分別表示字符串中各個(gè)位置上的字符。count( )函數(shù)用于獲取兩個(gè)字符串中對(duì)應(yīng)字符值不同的個(gè)數(shù),海明距離是分析文本等字符型數(shù)據(jù)之間相似度的常用方法,在文本分類等領(lǐng)域得到了廣泛應(yīng)用。

    2.5 文檔向量型

    通常,文檔用向量表示,向量的每個(gè)屬性代表一個(gè)特定的詞(關(guān)鍵詞)或短語(yǔ)的頻度。每個(gè)文檔都被一個(gè)所謂的詞頻向量來(lái)表示。詞頻向量通常很長(zhǎng),并且稀疏。使用這種結(jié)構(gòu)的應(yīng)用包括信息檢索、文本文檔聚類、生物學(xué)分類和基因特征映射。對(duì)于這類稀疏的數(shù)值數(shù)據(jù),常采用余弦相似性來(lái)計(jì)算兩個(gè)文檔間的相似性。

    2.6 其他非數(shù)值型數(shù)據(jù)

    在實(shí)際的應(yīng)用中,對(duì)象的某些屬性數(shù)據(jù)值與我們研究的結(jié)果毫無(wú)關(guān)系,則可忽略,不需考慮在內(nèi)。

    3 混合型數(shù)據(jù)

    當(dāng)對(duì)象的屬性是由多種數(shù)據(jù)類型組成時(shí),此時(shí)對(duì)象之間的相異度計(jì)算變得比較復(fù)雜了,目前有四種方法來(lái)處理:按單個(gè)屬性獨(dú)立計(jì)算、按類型分組獨(dú)立計(jì)算、通過(guò)相異度矩陣計(jì)算、采用摘要信息方式計(jì)算等,由于篇幅有限,摘要信息方式計(jì)算在文中就不具體列舉了。

    3.1 按單個(gè)屬性計(jì)算

    將對(duì)象的每個(gè)屬性單獨(dú)進(jìn)行考慮,按照一般正規(guī)相似度的定義方式進(jìn)行計(jì)算,也就是先度量單個(gè)屬性之間的相似度,然后利用綜合函數(shù)得出整體相似性。但是一般在計(jì)算數(shù)據(jù)相似度時(shí)會(huì)歸約到同一形式上[12]。

    3.2 按類型分組計(jì)算

    將屬性按數(shù)據(jù)類型分組,將每種數(shù)據(jù)類型的屬性分成一組,利用相應(yīng)的相似度計(jì)算公式來(lái)計(jì)算不同類型屬性的相似度,之后利用綜合函數(shù)得到整體相似度,這種方法將同種類型的屬性看成整體進(jìn)行考慮。如果這些分析得到兼容結(jié)果,則這種方法可行,但在實(shí)際的數(shù)據(jù)應(yīng)用中,每種屬性類型分別分析得到兼容結(jié)果的可能性不大,所以這種方法的可行性不大。

    3.3 通過(guò)相異度矩陣計(jì)算

    將所有的數(shù)據(jù)一起處理,只進(jìn)行一次分析。將不同類型的數(shù)據(jù)組合在單個(gè)相異度矩陣中,所有有意義的數(shù)據(jù)轉(zhuǎn)換到共同的值域區(qū)間[0, l]上[13]。

    假設(shè)數(shù)據(jù)集中包含p個(gè)不同的類型的屬性,對(duì)象i和j之間的相異度定義為:

    其中,如果或缺失(即對(duì)象i或?qū)ο骿沒(méi)有屬性f的度量值),或者,且屬性f是不對(duì)稱的二元型數(shù)據(jù),則指示項(xiàng);否則,指示項(xiàng)。

    對(duì)象i和j之間相異度的計(jì)算方式與屬性f的具體數(shù)據(jù)類型有關(guān):

    如果f是二元型數(shù)據(jù)或標(biāo)稱型數(shù)據(jù):如果,則;否則。

    如果f是標(biāo)度型數(shù)據(jù):這里的取值是屬性的所有非空缺對(duì)象。

    如果是序數(shù)型或者比例標(biāo)度型數(shù)據(jù),計(jì)算排序位和,并將作為區(qū)間標(biāo)度型數(shù)據(jù)對(duì)待。

    4 相似度計(jì)算的應(yīng)用

    4.1應(yīng)用

    對(duì)象間的相似度計(jì)算在數(shù)據(jù)挖掘中涉及面很廣,如K最近鄰分類(KNN)、聚類和異常檢測(cè)等技術(shù)。

    K最近鄰(KNN)分類算法通過(guò)計(jì)算給定的檢驗(yàn)對(duì)象與訓(xùn)練對(duì)象之間的相似度,找出檢驗(yàn)對(duì)象的K個(gè)“最近鄰”[27]?!班徑浴庇孟嗨贫葋?lái)度量。因此,如何選擇相似度計(jì)算方法在KNN最鄰近算法中對(duì)分類效果有著直接影響。若對(duì)象的屬性是數(shù)值型數(shù)據(jù),則直接用對(duì)象間的距離來(lái)度量,對(duì)每個(gè)屬性的值進(jìn)行規(guī)范化,變換到[0,1]區(qū)間,防止較大初始域的屬性權(quán)重過(guò)大而影響結(jié)果。若屬性是標(biāo)稱型數(shù)據(jù),常比較對(duì)象x1和x2中對(duì)應(yīng)屬性的值,若兩者相同者取0,反之則取1。

    聚類,也稱作無(wú)監(jiān)督分類。聚類分析的目的是把數(shù)據(jù)對(duì)象劃分成多個(gè)組或簇(即不同的類),來(lái)發(fā)現(xiàn)隱藏的、潛在于數(shù)據(jù)中的有用信息。其目標(biāo)是使得同一簇內(nèi)的對(duì)象具有較高的相似性,而簇間的對(duì)象盡可能相異。眾多聚類算法都是建立在事先假定某種相似度度量方式基礎(chǔ)上,因此聚類算法的基本出發(fā)點(diǎn)都是根據(jù)對(duì)象間相似度將對(duì)象劃分為不同的簇。

    在實(shí)際的數(shù)據(jù)挖掘應(yīng)用中,如果涉及相似性度量,首先應(yīng)分析對(duì)象的數(shù)據(jù)類型是否是單一,是數(shù)值型的數(shù)據(jù)還是是非數(shù)值型的或者是混合型的數(shù)據(jù)類型。然后根據(jù)相應(yīng)類型的相似度的計(jì)算公式進(jìn)行處理。

    4.2 計(jì)算實(shí)例

    下面用KNN算法和k-summary算法應(yīng)用的兩個(gè)實(shí)例來(lái)介紹相似度的計(jì)算。

    實(shí)例1.數(shù)據(jù)集weather如下表所示,測(cè)試樣本X=(rain,hot,normal,weak,?), k取3,下面根據(jù)KNN最鄰近方法預(yù)測(cè)該樣本的類符號(hào)。

    由于outlook的值有三個(gè),屬于標(biāo)稱型數(shù)據(jù)類型,為了便于區(qū)別它們之間的差異性,在此將其值對(duì)應(yīng)轉(zhuǎn)化為序數(shù)型數(shù)據(jù)。sunny=1,overcast=2,rain=3;同理temperature的hot=1,mild=2,cool=3。

    首先計(jì)算樣本X到14個(gè)記錄的距離(取曼哈頓距離)分別為:

    Distance(X,p1)=3,Distance(X,p2)=3,Distance(X,p3)=2,Distance(X,p4)=1.5,Distance(X,p5)=1,Distance(X,p6)=2,Distance(X,p7)=2.5,Distance(X,p8)=2.5,Distance(X,p9)=2,Distance(X,p10)=0.5,Distance(X,p11)=2.5,Distance(X,p12)=3,Distance(X,p13)=0.5,Distance(X,p14)=2.5;

    根據(jù)KNN的概念可知,K=3,在這里取3個(gè)距離最小的值,分別為Distance(X,p10)=0.5,Distance(X,p13)=0.5,Distance(X,p5)=1。所以取離樣本X最近的3個(gè)近鄰為p5,p10,p13。而這3個(gè)最鄰近對(duì)應(yīng)的類標(biāo)號(hào)都為yes,因此樣本X的類標(biāo)號(hào)被預(yù)測(cè)為yes。

    5 結(jié)論

    論文對(duì)相似性的概念進(jìn)行了介紹,然后對(duì)數(shù)據(jù)類型進(jìn)行了分類,并對(duì)不同數(shù)據(jù)類型對(duì)象的相似度的衡量方式進(jìn)行了分析。不同的數(shù)據(jù)類型具有不同的相似性處理方式,相似性的計(jì)算方法有很多,有的適用于專門的領(lǐng)域,同時(shí)也有適用于特定類型數(shù)據(jù)的限制,選擇相似性的一個(gè)重要的因素就是屬性的類型。在進(jìn)行非數(shù)值型數(shù)據(jù)時(shí),有時(shí)會(huì)因?yàn)閷⑵浠癁闃?biāo)稱類型,但是這樣的轉(zhuǎn)換并不能很好地了解屬性間的差異性,而將其進(jìn)行序數(shù)化,再進(jìn)行相似度計(jì)算,更能體現(xiàn)數(shù)據(jù)之間的差異性。

    參考文獻(xiàn):

    [1] Jiawei Han, Micheline Kamber, Jian Pei.Data Mining Concepts and Technologyes[M].3rd ed.China Machine Press,2012.

    [2] 蔣盛益,李霞,鄭琪.數(shù)據(jù)挖掘原理與實(shí)踐[M].北京:電子工業(yè)出版社,2013.

    [3] 黃彧.相似度度量的研究及其在數(shù)據(jù)挖掘中的應(yīng)用[D].福州:福建師范大學(xué),2009.

    [4] Yano Y.Associative Memory with Fully Parallel Nearest-Manhattan-Distance Search for Low-Power Real-Time Single-Chip Applications[C]. Proc. Of IEEE ASP-DAC, 2004:543-544.

    [5] Hua-Kai Chiou, Gia-Shie Liu.Multiple Objective Compromise Optimization Method to Analyze the Strategies of Nanotechnology in Taiwan[C]. Symposia and Workshops on Ubiquitous, Autonomic and Trusted Computing,2009:172-177.

    [6] de Souza R M C R , de Carvalho F A T. Dynamic clustering of interval data based on adaptive Chebyshev distances[J]. Electronics Letters, 2004, 40(11).

    [7] Ryotaro Kamimura, Osamu Uchida. Greedy Network-Growing by Minkowski Distance Functions[C]. IEEE Transaction on Neural Networks, 2004:2837-2842.

    [8] Chunhua Shen, Junae Kim, Lei Wang. Scalable Large-Margin Mahalanobis Distance Metric Learning[J].IEEE Transactions on Neural Networks, 2010, 21( 9): 1524-1530.

    [9] Sheng-Yijiang.Efficient Classification Method for Large Dataset [C]. Proceeding of the Fifth International Conference on Machine Learning and Cybernetics, Dalian, 2006:13-16.

    [10] Xing E P, Ng A Y, Jordan M I,et al. Distance metric learning, with application to clustering with side-information[C]. proc Adv Neural Inf Process Sys., 2003:505-512.

    [11] 陳韡.基于劃分的混合屬性聚類算法研究[D].長(zhǎng)沙:湖南大學(xué),2010.

    [12] 鄧冠男.聚類分析中的相似度研究[J].東北電力大學(xué)學(xué)報(bào),2013,33(1/2):156-161.

    [13] 李桂林,陳曉云.關(guān)于聚類分析中相似度的討論[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(31): 64-65.

    猜你喜歡
    數(shù)據(jù)類型數(shù)據(jù)挖掘對(duì)象
    神秘來(lái)電
    睿士(2023年2期)2023-03-02 02:01:09
    詳談Java中的基本數(shù)據(jù)類型與引用數(shù)據(jù)類型
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢(shì)
    如何理解數(shù)據(jù)結(jié)構(gòu)中的抽象數(shù)據(jù)類型
    攻略對(duì)象的心思好難猜
    意林(2018年3期)2018-03-02 15:17:24
    基于并行計(jì)算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    基于熵的快速掃描法的FNEA初始對(duì)象的生成方法
    區(qū)間對(duì)象族的可鎮(zhèn)定性分析
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    基于GPGPU的離散數(shù)據(jù)挖掘研究
    一级黄片播放器| 免费无遮挡裸体视频| 三级国产精品欧美在线观看| 哪个播放器可以免费观看大片| 国产av不卡久久| 午夜福利视频精品| 亚洲精品乱码久久久v下载方式| 91狼人影院| 国产乱人视频| 夫妻午夜视频| 少妇人妻精品综合一区二区| 观看免费一级毛片| 国产精品一区二区在线观看99 | 日本午夜av视频| 国产精品一区二区三区四区久久| 天天躁日日操中文字幕| 高清毛片免费看| 日本免费a在线| 成年人午夜在线观看视频 | 免费高清在线观看视频在线观看| 一级片'在线观看视频| 一级毛片我不卡| 男人狂女人下面高潮的视频| 免费看不卡的av| 欧美xxⅹ黑人| 国产欧美另类精品又又久久亚洲欧美| av卡一久久| 99久国产av精品| 亚洲国产日韩欧美精品在线观看| 黄色一级大片看看| 亚洲色图av天堂| 亚洲色图av天堂| 成年版毛片免费区| 夫妻性生交免费视频一级片| 色网站视频免费| 日本熟妇午夜| 国产成人一区二区在线| 国产免费又黄又爽又色| 天堂影院成人在线观看| 久久久a久久爽久久v久久| 久热久热在线精品观看| 免费观看的影片在线观看| 国产精品久久视频播放| 亚洲婷婷狠狠爱综合网| 国产精品久久久久久av不卡| 听说在线观看完整版免费高清| 午夜亚洲福利在线播放| 最近的中文字幕免费完整| 久久精品熟女亚洲av麻豆精品 | 视频中文字幕在线观看| 久久精品国产亚洲网站| 91狼人影院| 亚洲乱码一区二区免费版| 日日撸夜夜添| 美女黄网站色视频| 国产伦理片在线播放av一区| 免费av观看视频| 成人午夜精彩视频在线观看| 欧美+日韩+精品| 精品国产露脸久久av麻豆 | 少妇被粗大猛烈的视频| 听说在线观看完整版免费高清| 一区二区三区免费毛片| 成人性生交大片免费视频hd| 丝瓜视频免费看黄片| 日韩欧美国产在线观看| 成人午夜精彩视频在线观看| 亚洲精品456在线播放app| videos熟女内射| av在线亚洲专区| 欧美激情久久久久久爽电影| 身体一侧抽搐| 国产av在哪里看| 亚洲自偷自拍三级| 在线观看美女被高潮喷水网站| 欧美一区二区亚洲| 日日摸夜夜添夜夜爱| 亚洲四区av| 午夜激情福利司机影院| 真实男女啪啪啪动态图| 天堂网av新在线| 亚洲欧美日韩东京热| 永久网站在线| 在线免费观看的www视频| 国产成人a∨麻豆精品| 熟女人妻精品中文字幕| 欧美 日韩 精品 国产| 国产在线一区二区三区精| 少妇的逼水好多| 熟女电影av网| 亚洲欧美日韩无卡精品| 日韩伦理黄色片| 街头女战士在线观看网站| 精品久久久久久久久亚洲| 亚洲欧洲日产国产| 嫩草影院入口| 简卡轻食公司| 国内精品宾馆在线| 麻豆乱淫一区二区| videos熟女内射| 一级爰片在线观看| 尾随美女入室| 大香蕉久久网| 久久久亚洲精品成人影院| 91aial.com中文字幕在线观看| 99热网站在线观看| 777米奇影视久久| 春色校园在线视频观看| 午夜精品在线福利| 国产亚洲一区二区精品| 久久精品国产亚洲av天美| 美女被艹到高潮喷水动态| 国产在线男女| 熟妇人妻久久中文字幕3abv| 一级毛片黄色毛片免费观看视频| 只有这里有精品99| 热99在线观看视频| 青青草视频在线视频观看| 国产片特级美女逼逼视频| 久久人人爽人人片av| 亚洲天堂国产精品一区在线| 亚洲成色77777| av国产免费在线观看| 黑人高潮一二区| 久久久久九九精品影院| 国产大屁股一区二区在线视频| 高清视频免费观看一区二区 | 午夜老司机福利剧场| 亚洲成人久久爱视频| 乱码一卡2卡4卡精品| 免费观看精品视频网站| 国产伦一二天堂av在线观看| 99re6热这里在线精品视频| 久久久久久久久久人人人人人人| 国产精品国产三级专区第一集| 日韩三级伦理在线观看| 国产成人a∨麻豆精品| 久久99热6这里只有精品| av黄色大香蕉| 99热这里只有是精品50| 赤兔流量卡办理| 黄色一级大片看看| 黄片无遮挡物在线观看| 高清av免费在线| 久久午夜福利片| 中文乱码字字幕精品一区二区三区 | 亚洲欧美清纯卡通| 青春草国产在线视频| 日韩在线高清观看一区二区三区| 国产精品一区二区性色av| 搡女人真爽免费视频火全软件| 爱豆传媒免费全集在线观看| 成人午夜高清在线视频| 久久久色成人| 欧美极品一区二区三区四区| 亚洲国产成人一精品久久久| 久久久久久久久久久丰满| 国产探花在线观看一区二区| 中文字幕av在线有码专区| h日本视频在线播放| 国产亚洲5aaaaa淫片| 国产精品女同一区二区软件| 亚洲人成网站在线播| 亚洲婷婷狠狠爱综合网| 一区二区三区免费毛片| 国产91av在线免费观看| 日韩一区二区视频免费看| 日韩国内少妇激情av| 午夜日本视频在线| 日韩伦理黄色片| 乱人视频在线观看| 亚洲最大成人手机在线| 韩国高清视频一区二区三区| 亚洲不卡免费看| 午夜免费男女啪啪视频观看| 国产av码专区亚洲av| 男女啪啪激烈高潮av片| 国产精品av视频在线免费观看| 六月丁香七月| 秋霞在线观看毛片| 丝瓜视频免费看黄片| 91精品一卡2卡3卡4卡| 国产黄色免费在线视频| 少妇的逼好多水| 亚洲婷婷狠狠爱综合网| 午夜激情福利司机影院| 大又大粗又爽又黄少妇毛片口| 久久久欧美国产精品| 日韩av不卡免费在线播放| 一级毛片久久久久久久久女| 最近2019中文字幕mv第一页| 老师上课跳d突然被开到最大视频| 黄色日韩在线| 国产黄频视频在线观看| 欧美另类一区| 欧美xxxx黑人xx丫x性爽| 免费看日本二区| 国产伦精品一区二区三区四那| 国产精品.久久久| 免费观看av网站的网址| 黄片wwwwww| 麻豆国产97在线/欧美| 免费大片18禁| 六月丁香七月| 国产单亲对白刺激| 成人综合一区亚洲| .国产精品久久| 日韩av免费高清视频| 嘟嘟电影网在线观看| 欧美日韩综合久久久久久| 色哟哟·www| 免费看日本二区| 成年女人看的毛片在线观看| 青春草亚洲视频在线观看| 亚洲久久久久久中文字幕| 天堂中文最新版在线下载 | 成人特级av手机在线观看| 如何舔出高潮| 国产有黄有色有爽视频| 青青草视频在线视频观看| 国产亚洲av片在线观看秒播厂 | 国语对白做爰xxxⅹ性视频网站| 人人妻人人看人人澡| 久久99热这里只有精品18| 最近的中文字幕免费完整| av天堂中文字幕网| 超碰av人人做人人爽久久| 日韩欧美国产在线观看| 免费观看a级毛片全部| 五月天丁香电影| 欧美+日韩+精品| 亚洲av免费在线观看| 一级黄片播放器| 波野结衣二区三区在线| 最近视频中文字幕2019在线8| 高清毛片免费看| 日韩av不卡免费在线播放| 卡戴珊不雅视频在线播放| 联通29元200g的流量卡| 婷婷六月久久综合丁香| 三级国产精品片| 人人妻人人澡人人爽人人夜夜 | 狠狠精品人妻久久久久久综合| 欧美xxⅹ黑人| 69av精品久久久久久| 国产成人a区在线观看| 国产真实伦视频高清在线观看| 毛片女人毛片| 不卡视频在线观看欧美| 亚洲av免费在线观看| 成人鲁丝片一二三区免费| 精品国产露脸久久av麻豆 | 精品一区二区三卡| 久久久久久伊人网av| 国产视频内射| av网站免费在线观看视频 | 18+在线观看网站| 99久久精品热视频| 国产视频内射| 亚洲av日韩在线播放| 亚洲精品久久午夜乱码| 小蜜桃在线观看免费完整版高清| 最近最新中文字幕免费大全7| 国产精品国产三级国产专区5o| 国产av码专区亚洲av| 国产综合精华液| 精品久久久噜噜| 日本色播在线视频| 麻豆精品久久久久久蜜桃| 身体一侧抽搐| videossex国产| 少妇的逼水好多| 久久久久久久久大av| 午夜激情福利司机影院| 永久免费av网站大全| 国产av国产精品国产| 啦啦啦韩国在线观看视频| 国内揄拍国产精品人妻在线| 免费黄色在线免费观看| 亚洲电影在线观看av| 两个人视频免费观看高清| 成人欧美大片| 婷婷六月久久综合丁香| 日韩一区二区三区影片| 精品人妻偷拍中文字幕| 亚洲四区av| 亚洲欧美日韩东京热| 精品久久国产蜜桃| 中文在线观看免费www的网站| 国产黄频视频在线观看| 国产成人aa在线观看| 欧美日韩综合久久久久久| 啦啦啦中文免费视频观看日本| 联通29元200g的流量卡| 午夜激情久久久久久久| 亚洲天堂国产精品一区在线| 黄片无遮挡物在线观看| 人妻系列 视频| 91久久精品电影网| 99久久精品国产国产毛片| 国产成人精品福利久久| 免费大片18禁| 国产成人一区二区在线| 亚洲精品亚洲一区二区| av卡一久久| 精品久久久久久久人妻蜜臀av| 草草在线视频免费看| 久久99热6这里只有精品| 1000部很黄的大片| 男人爽女人下面视频在线观看| 成人亚洲欧美一区二区av| 少妇裸体淫交视频免费看高清| 日韩视频在线欧美| 2021天堂中文幕一二区在线观| 男人和女人高潮做爰伦理| 一个人看的www免费观看视频| 校园人妻丝袜中文字幕| 日韩成人伦理影院| 天堂√8在线中文| 又爽又黄a免费视频| 亚洲乱码一区二区免费版| 能在线免费观看的黄片| 三级国产精品欧美在线观看| 国产在视频线精品| 美女脱内裤让男人舔精品视频| 亚洲av一区综合| 日韩一区二区视频免费看| 97超视频在线观看视频| 亚洲av电影不卡..在线观看| 日本与韩国留学比较| 成人性生交大片免费视频hd| 国产熟女欧美一区二区| 好男人视频免费观看在线| 伊人久久精品亚洲午夜| 免费大片18禁| 一级毛片aaaaaa免费看小| 亚洲精品视频女| 五月玫瑰六月丁香| 校园人妻丝袜中文字幕| 干丝袜人妻中文字幕| 成人亚洲欧美一区二区av| 国产精品日韩av在线免费观看| 又爽又黄无遮挡网站| 成年版毛片免费区| 国产成人福利小说| 中文字幕亚洲精品专区| 国内精品美女久久久久久| 免费看美女性在线毛片视频| 极品教师在线视频| 国产熟女欧美一区二区| 天堂√8在线中文| 久久99热6这里只有精品| 亚洲第一区二区三区不卡| 久久久精品欧美日韩精品| 天堂影院成人在线观看| 国产黄色免费在线视频| 国精品久久久久久国模美| 免费少妇av软件| 亚洲欧美日韩无卡精品| 午夜福利在线观看吧| 国产淫语在线视频| 欧美日韩在线观看h| 国产淫片久久久久久久久| 国产精品99久久久久久久久| 亚洲美女视频黄频| 乱系列少妇在线播放| 日韩,欧美,国产一区二区三区| 免费av毛片视频| 国产精品久久久久久av不卡| 久久久久久久亚洲中文字幕| 2022亚洲国产成人精品| 一边亲一边摸免费视频| 久久久久精品性色| 亚洲欧美日韩东京热| 狂野欧美激情性xxxx在线观看| 大又大粗又爽又黄少妇毛片口| 国产欧美另类精品又又久久亚洲欧美| 国产高清三级在线| 久久久久久久久久黄片| 国产色婷婷99| 久久久久久久午夜电影| 亚洲精华国产精华液的使用体验| 99九九线精品视频在线观看视频| 亚洲人成网站在线观看播放| 精品一区在线观看国产| a级一级毛片免费在线观看| 国产av不卡久久| 伊人久久国产一区二区| 免费av毛片视频| 最近最新中文字幕大全电影3| 久久99热这里只有精品18| 欧美成人午夜免费资源| 久久99热这里只有精品18| 亚洲av在线观看美女高潮| 久久精品久久久久久噜噜老黄| 久久久久久久大尺度免费视频| 免费观看a级毛片全部| 久久久久性生活片| 2021天堂中文幕一二区在线观| 建设人人有责人人尽责人人享有的 | 麻豆成人午夜福利视频| ponron亚洲| 51国产日韩欧美| 22中文网久久字幕| 99热全是精品| 国产真实伦视频高清在线观看| 国产亚洲一区二区精品| 精华霜和精华液先用哪个| 如何舔出高潮| 精华霜和精华液先用哪个| 欧美日韩亚洲高清精品| 精品久久久久久久久亚洲| 99久国产av精品| 亚洲精品日韩av片在线观看| 超碰97精品在线观看| 亚洲精品日韩av片在线观看| 久久草成人影院| 美女大奶头视频| 欧美日韩亚洲高清精品| 亚洲伊人久久精品综合| 又爽又黄a免费视频| 亚洲av男天堂| 又爽又黄a免费视频| 国产成人免费观看mmmm| 欧美一级a爱片免费观看看| 日韩av免费高清视频| 亚洲av中文字字幕乱码综合| av一本久久久久| 国产欧美日韩精品一区二区| or卡值多少钱| 亚洲最大成人中文| 偷拍熟女少妇极品色| 熟妇人妻久久中文字幕3abv| 美女内射精品一级片tv| 午夜福利在线观看免费完整高清在| 男人爽女人下面视频在线观看| 亚洲精品自拍成人| 国产一级毛片在线| 亚洲av男天堂| 国产探花在线观看一区二区| 色综合站精品国产| 99re6热这里在线精品视频| 69av精品久久久久久| 黄色日韩在线| 五月天丁香电影| 神马国产精品三级电影在线观看| 国产单亲对白刺激| www.色视频.com| 亚洲av成人精品一区久久| 日本猛色少妇xxxxx猛交久久| 中文字幕av在线有码专区| 青青草视频在线视频观看| 日本熟妇午夜| 亚洲精品国产av成人精品| 日本-黄色视频高清免费观看| 久久久色成人| 蜜臀久久99精品久久宅男| 建设人人有责人人尽责人人享有的 | 国产精品久久久久久久久免| www.色视频.com| 男女那种视频在线观看| 国产黄a三级三级三级人| 国产在线男女| 久久99热这里只频精品6学生| 久久鲁丝午夜福利片| 一区二区三区乱码不卡18| 亚洲av日韩在线播放| 久久精品国产亚洲网站| 精品国产三级普通话版| 亚洲在线自拍视频| 淫秽高清视频在线观看| 国产精品.久久久| 男插女下体视频免费在线播放| 中文字幕av成人在线电影| 日韩一区二区三区影片| 国产伦精品一区二区三区视频9| 久久久a久久爽久久v久久| 日本猛色少妇xxxxx猛交久久| 国产亚洲精品av在线| 69人妻影院| 插逼视频在线观看| 国产黄色视频一区二区在线观看| 自拍偷自拍亚洲精品老妇| 国产精品久久久久久久久免| 亚州av有码| av专区在线播放| 综合色丁香网| 国内精品宾馆在线| 亚洲精品日韩在线中文字幕| 国产精品久久视频播放| 成年女人看的毛片在线观看| 亚洲精品成人av观看孕妇| 日本午夜av视频| 别揉我奶头 嗯啊视频| 国产精品国产三级国产av玫瑰| 成人综合一区亚洲| 美女xxoo啪啪120秒动态图| 免费无遮挡裸体视频| 久久国内精品自在自线图片| 中文字幕av成人在线电影| 晚上一个人看的免费电影| www.色视频.com| 欧美潮喷喷水| 国产高清有码在线观看视频| 九九在线视频观看精品| 午夜激情欧美在线| 欧美日韩精品成人综合77777| 国产乱人偷精品视频| 精品午夜福利在线看| 联通29元200g的流量卡| 免费看美女性在线毛片视频| 亚洲经典国产精华液单| 在线 av 中文字幕| 日本午夜av视频| 真实男女啪啪啪动态图| 国产高清国产精品国产三级 | 欧美变态另类bdsm刘玥| 69av精品久久久久久| 亚洲欧美精品自产自拍| a级毛色黄片| 在线观看一区二区三区| 国产探花在线观看一区二区| 观看美女的网站| av福利片在线观看| av女优亚洲男人天堂| 国产黄频视频在线观看| 久久精品国产亚洲av天美| 日韩制服骚丝袜av| 亚洲三级黄色毛片| 免费大片18禁| 亚洲经典国产精华液单| 久久久久精品性色| 美女大奶头视频| 天堂网av新在线| 我要看日韩黄色一级片| 大陆偷拍与自拍| 久久精品夜色国产| 久久这里只有精品中国| 日韩欧美一区视频在线观看 | 亚洲经典国产精华液单| 久久久久网色| 黄片无遮挡物在线观看| 国产成人a区在线观看| av一本久久久久| 在线a可以看的网站| 欧美xxxx性猛交bbbb| 3wmmmm亚洲av在线观看| 国产伦精品一区二区三区四那| 成人午夜高清在线视频| 国产一级毛片七仙女欲春2| 国产乱来视频区| 草草在线视频免费看| 赤兔流量卡办理| 国产精品久久久久久av不卡| 日韩精品青青久久久久久| 中文字幕亚洲精品专区| 亚洲av福利一区| 日韩国内少妇激情av| 亚洲av免费高清在线观看| 日韩欧美精品v在线| 伊人久久国产一区二区| 狂野欧美激情性xxxx在线观看| 最近中文字幕2019免费版| 麻豆乱淫一区二区| 一级毛片 在线播放| 亚洲丝袜综合中文字幕| 91精品伊人久久大香线蕉| 天天躁夜夜躁狠狠久久av| 熟妇人妻不卡中文字幕| 国产视频首页在线观看| 亚洲av二区三区四区| 最近的中文字幕免费完整| 日本wwww免费看| 午夜免费男女啪啪视频观看| 午夜老司机福利剧场| 男人舔奶头视频| 九九爱精品视频在线观看| 亚洲最大成人av| 老司机影院毛片| 免费在线观看成人毛片| 免费电影在线观看免费观看| 亚洲性久久影院| 2021少妇久久久久久久久久久| 欧美日韩精品成人综合77777| 精品国内亚洲2022精品成人| 一二三四中文在线观看免费高清| 日韩一本色道免费dvd| 亚洲天堂国产精品一区在线| 一级二级三级毛片免费看| 国产午夜福利久久久久久| 久热久热在线精品观看| 有码 亚洲区| 国产精品1区2区在线观看.| 人妻系列 视频| 精品午夜福利在线看| 国产精品.久久久| 午夜激情福利司机影院| 爱豆传媒免费全集在线观看| 亚洲最大成人中文| 国产精品美女特级片免费视频播放器| 菩萨蛮人人尽说江南好唐韦庄| 中文资源天堂在线| 春色校园在线视频观看| 欧美bdsm另类| 国产激情偷乱视频一区二区| 久久午夜福利片| 亚洲欧美精品专区久久| 免费少妇av软件| 午夜福利视频精品| 神马国产精品三级电影在线观看| 十八禁国产超污无遮挡网站| 少妇裸体淫交视频免费看高清| 国产女主播在线喷水免费视频网站 | 久久久午夜欧美精品| 国产一区有黄有色的免费视频 |