• <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
    日韩制服丝袜自拍偷拍| 久久久精品94久久精品| 日韩制服骚丝袜av| 国产精品秋霞免费鲁丝片| 99热国产这里只有精品6| 99香蕉大伊视频| bbb黄色大片| 99热国产这里只有精品6| 菩萨蛮人人尽说江南好唐韦庄| 日本猛色少妇xxxxx猛交久久| 成人三级做爰电影| 日本wwww免费看| 国产97色在线日韩免费| 亚洲国产欧美在线一区| av又黄又爽大尺度在线免费看| 777米奇影视久久| 国产高清国产精品国产三级| 精品一区二区三区av网在线观看 | 午夜av观看不卡| 亚洲av国产av综合av卡| 男的添女的下面高潮视频| 亚洲精品久久久久久婷婷小说| 男人操女人黄网站| 中文字幕人妻熟女乱码| 亚洲av男天堂| 亚洲国产av影院在线观看| 日日撸夜夜添| 2018国产大陆天天弄谢| 日本猛色少妇xxxxx猛交久久| 久久人人爽av亚洲精品天堂| 9191精品国产免费久久| 亚洲欧美一区二区三区久久| 亚洲四区av| 少妇 在线观看| 国产精品一二三区在线看| 国产爽快片一区二区三区| 少妇精品久久久久久久| 秋霞伦理黄片| 欧美激情 高清一区二区三区| 精品少妇黑人巨大在线播放| videosex国产| 制服丝袜香蕉在线| a级毛片在线看网站| 一区二区三区精品91| 国产一区二区三区av在线| 日韩伦理黄色片| 精品午夜福利在线看| www.熟女人妻精品国产| 人人妻人人添人人爽欧美一区卜| 日日摸夜夜添夜夜爱| 又黄又粗又硬又大视频| 在线免费观看不下载黄p国产| 老汉色∧v一级毛片| 熟妇人妻不卡中文字幕| 国产深夜福利视频在线观看| 亚洲少妇的诱惑av| 无遮挡黄片免费观看| 国产精品久久久av美女十八| 两个人免费观看高清视频| 尾随美女入室| 人人妻人人爽人人添夜夜欢视频| 欧美激情极品国产一区二区三区| 久久av网站| 成年人免费黄色播放视频| 天天添夜夜摸| 亚洲国产欧美网| 精品卡一卡二卡四卡免费| 久久久久网色| 侵犯人妻中文字幕一二三四区| 亚洲欧美激情在线| 黄网站色视频无遮挡免费观看| 韩国高清视频一区二区三区| 悠悠久久av| 女人高潮潮喷娇喘18禁视频| 一区福利在线观看| 亚洲,欧美,日韩| 看十八女毛片水多多多| 一级毛片黄色毛片免费观看视频| 交换朋友夫妻互换小说| 1024视频免费在线观看| 免费人妻精品一区二区三区视频| 男人操女人黄网站| 日韩大片免费观看网站| 午夜激情久久久久久久| 国产精品一区二区在线不卡| 久久韩国三级中文字幕| 老司机深夜福利视频在线观看 | 中文天堂在线官网| 欧美精品一区二区免费开放| 少妇人妻久久综合中文| 久久久精品94久久精品| 亚洲国产欧美网| 亚洲精品成人av观看孕妇| 亚洲国产成人一精品久久久| 无遮挡黄片免费观看| 亚洲精品一二三| 国产成人精品在线电影| 国产精品 国内视频| 国产黄频视频在线观看| 免费不卡黄色视频| 国产高清国产精品国产三级| 国产1区2区3区精品| 亚洲四区av| 亚洲欧美日韩另类电影网站| 韩国精品一区二区三区| 国产xxxxx性猛交| av有码第一页| 午夜福利网站1000一区二区三区| 久久99精品国语久久久| 国产麻豆69| 2018国产大陆天天弄谢| 人人澡人人妻人| 日韩免费高清中文字幕av| 一级a爱视频在线免费观看| 18禁动态无遮挡网站| 欧美精品高潮呻吟av久久| 欧美变态另类bdsm刘玥| 久久久久久久久久久免费av| 亚洲国产欧美一区二区综合| 日本wwww免费看| 啦啦啦在线观看免费高清www| 中文字幕av电影在线播放| www日本在线高清视频| 国产爽快片一区二区三区| 蜜桃在线观看..| 免费高清在线观看日韩| 久久精品亚洲av国产电影网| 99热网站在线观看| 伦理电影免费视频| 人妻人人澡人人爽人人| 啦啦啦啦在线视频资源| 午夜福利视频在线观看免费| 黄色视频不卡| 视频在线观看一区二区三区| 七月丁香在线播放| 国产成人av激情在线播放| 99九九在线精品视频| 青春草国产在线视频| 欧美黑人精品巨大| 在线天堂最新版资源| av免费观看日本| 各种免费的搞黄视频| 久久久久久久精品精品| 一边摸一边抽搐一进一出视频| 另类精品久久| 波多野结衣av一区二区av| 免费在线观看完整版高清| 亚洲av日韩在线播放| 亚洲美女黄色视频免费看| 成年女人毛片免费观看观看9 | 亚洲专区中文字幕在线 | 中文字幕人妻丝袜制服| 高清黄色对白视频在线免费看| 国产熟女欧美一区二区| 制服诱惑二区| 十分钟在线观看高清视频www| 在线观看国产h片| 又黄又粗又硬又大视频| 欧美 日韩 精品 国产| 人妻 亚洲 视频| 亚洲成人av在线免费| 亚洲国产欧美一区二区综合| 日韩制服骚丝袜av| 人人妻人人添人人爽欧美一区卜| 久久精品亚洲熟妇少妇任你| 新久久久久国产一级毛片| 亚洲国产日韩一区二区| 丝袜美腿诱惑在线| 纵有疾风起免费观看全集完整版| bbb黄色大片| 久久久久人妻精品一区果冻| 国产在视频线精品| 精品第一国产精品| 国产精品久久久久久精品电影小说| 免费黄网站久久成人精品| 日韩一区二区视频免费看| 女人久久www免费人成看片| 亚洲精品久久久久久婷婷小说| www.精华液| 婷婷色综合www| www.自偷自拍.com| 尾随美女入室| 日韩av在线免费看完整版不卡| 性少妇av在线| 日日摸夜夜添夜夜爱| 一区二区三区激情视频| 秋霞伦理黄片| 国产精品av久久久久免费| 最新的欧美精品一区二区| 久久久久国产一级毛片高清牌| 国产免费视频播放在线视频| 啦啦啦啦在线视频资源| 少妇被粗大的猛进出69影院| 免费观看人在逋| av福利片在线| 亚洲av电影在线观看一区二区三区| 99久久99久久久精品蜜桃| 中文字幕制服av| 高清视频免费观看一区二区| 母亲3免费完整高清在线观看| 精品一区二区免费观看| 欧美日韩视频高清一区二区三区二| 亚洲欧美精品综合一区二区三区| 男女午夜视频在线观看| 国产成人精品在线电影| av免费观看日本| 国产人伦9x9x在线观看| 国产 精品1| 精品视频人人做人人爽| 男女之事视频高清在线观看 | 国产成人精品在线电影| 观看av在线不卡| 欧美日韩视频高清一区二区三区二| 成年人午夜在线观看视频| 亚洲欧美色中文字幕在线| 欧美日韩综合久久久久久| 国产国语露脸激情在线看| 日本爱情动作片www.在线观看| 麻豆精品久久久久久蜜桃| 青春草视频在线免费观看| 中文字幕人妻丝袜制服| 成人国产av品久久久| 久久久久人妻精品一区果冻| 777久久人妻少妇嫩草av网站| av在线老鸭窝| 久久国产精品大桥未久av| 国产极品粉嫩免费观看在线| 青春草亚洲视频在线观看| 亚洲熟女毛片儿| 亚洲欧美成人精品一区二区| 中文天堂在线官网| 熟女少妇亚洲综合色aaa.| 免费在线观看视频国产中文字幕亚洲 | 韩国高清视频一区二区三区| h视频一区二区三区| 成人毛片60女人毛片免费| 国产精品人妻久久久影院| 高清欧美精品videossex| 天天躁狠狠躁夜夜躁狠狠躁| 丝袜美腿诱惑在线| 色婷婷av一区二区三区视频| 亚洲欧美一区二区三区久久| 国产爽快片一区二区三区| 日韩,欧美,国产一区二区三区| 一区二区三区精品91| 国产成人av激情在线播放| 另类精品久久| 久久精品国产亚洲av涩爱| 青草久久国产| 天美传媒精品一区二区| 秋霞在线观看毛片| kizo精华| 亚洲色图 男人天堂 中文字幕| 亚洲情色 制服丝袜| 啦啦啦啦在线视频资源| 人妻一区二区av| 18在线观看网站| 一级毛片电影观看| 狂野欧美激情性bbbbbb| av视频免费观看在线观看| av在线观看视频网站免费| 少妇人妻 视频| 欧美日韩福利视频一区二区| 欧美日韩亚洲综合一区二区三区_| 美女视频免费永久观看网站| 亚洲精品av麻豆狂野| 男人操女人黄网站| 丝袜喷水一区| 少妇被粗大的猛进出69影院| 成年美女黄网站色视频大全免费| 日本vs欧美在线观看视频| 无限看片的www在线观看| 在线观看一区二区三区激情| 色网站视频免费| 亚洲国产av新网站| 天天躁日日躁夜夜躁夜夜| 国产精品麻豆人妻色哟哟久久| 欧美xxⅹ黑人| 午夜激情久久久久久久| 欧美日韩精品网址| 一本一本久久a久久精品综合妖精| 这个男人来自地球电影免费观看 | 日日啪夜夜爽| 黄色一级大片看看| 99精品久久久久人妻精品| 久久韩国三级中文字幕| 十八禁高潮呻吟视频| 成人亚洲精品一区在线观看| 亚洲一码二码三码区别大吗| 成年女人毛片免费观看观看9 | 欧美人与善性xxx| 日韩大码丰满熟妇| 久久影院123| 麻豆精品久久久久久蜜桃| 18禁国产床啪视频网站| 欧美精品人与动牲交sv欧美| 欧美国产精品一级二级三级| 最近2019中文字幕mv第一页| 1024香蕉在线观看| 亚洲人成电影观看| 免费av中文字幕在线| 少妇人妻精品综合一区二区| 热99久久久久精品小说推荐| 在线观看免费日韩欧美大片| 国产一区二区 视频在线| 久久久久久久大尺度免费视频| 国产一区二区激情短视频 | 精品人妻一区二区三区麻豆| 你懂的网址亚洲精品在线观看| 国产亚洲欧美精品永久| 国产精品久久久久久精品电影小说| 欧美变态另类bdsm刘玥| 大香蕉久久成人网| av国产精品久久久久影院| www.自偷自拍.com| 你懂的网址亚洲精品在线观看| 又粗又硬又长又爽又黄的视频| 日韩 亚洲 欧美在线| 国产av一区二区精品久久| 国产一区二区三区av在线| 日日摸夜夜添夜夜爱| 久久精品国产a三级三级三级| 国产熟女欧美一区二区| 国产精品三级大全| 日韩中文字幕欧美一区二区 | av有码第一页| 国产97色在线日韩免费| 女性被躁到高潮视频| 亚洲,欧美精品.| 国产一区二区三区av在线| 啦啦啦视频在线资源免费观看| 极品少妇高潮喷水抽搐| 香蕉丝袜av| 一级毛片电影观看| 在线免费观看不下载黄p国产| 午夜免费男女啪啪视频观看| 看免费av毛片| 久久久久久久国产电影| 免费观看av网站的网址| √禁漫天堂资源中文www| 丰满饥渴人妻一区二区三| 十八禁网站网址无遮挡| 操美女的视频在线观看| 一本久久精品| 国产精品三级大全| 日韩免费高清中文字幕av| 自线自在国产av| 国产精品国产三级国产专区5o| 日韩欧美精品免费久久| 黄色视频在线播放观看不卡| a级毛片黄视频| 国产精品免费大片| 好男人视频免费观看在线| 飞空精品影院首页| 高清在线视频一区二区三区| 国产成人一区二区在线| 国产 一区精品| 国产精品免费大片| 中文字幕最新亚洲高清| 国产老妇伦熟女老妇高清| 美女中出高潮动态图| a级毛片在线看网站| 国产亚洲午夜精品一区二区久久| 美国免费a级毛片| 国产爽快片一区二区三区| 欧美日韩综合久久久久久| 午夜老司机福利片| 国产野战对白在线观看| 天堂8中文在线网| 在线 av 中文字幕| 十八禁高潮呻吟视频| 国产欧美亚洲国产| 69精品国产乱码久久久| 国产视频首页在线观看| 最近的中文字幕免费完整| 无遮挡黄片免费观看| 肉色欧美久久久久久久蜜桃| 少妇人妻久久综合中文| 久久97久久精品| 美女视频免费永久观看网站| 久热这里只有精品99| 国产精品 国内视频| 欧美少妇被猛烈插入视频| 日本欧美国产在线视频| 另类亚洲欧美激情| 亚洲国产欧美一区二区综合| 中文精品一卡2卡3卡4更新| 热re99久久精品国产66热6| 在线天堂中文资源库| 超色免费av| 欧美中文综合在线视频| a级毛片黄视频| 久久天堂一区二区三区四区| 狂野欧美激情性xxxx| 啦啦啦啦在线视频资源| www.av在线官网国产| 一本色道久久久久久精品综合| 亚洲精品日本国产第一区| 日韩欧美一区视频在线观看| 亚洲av日韩精品久久久久久密 | 成年美女黄网站色视频大全免费| 亚洲精品视频女| 国产亚洲最大av| 我要看黄色一级片免费的| 一级爰片在线观看| 丝袜美腿诱惑在线| 久久ye,这里只有精品| 欧美成人精品欧美一级黄| 久久久久精品人妻al黑| 午夜av观看不卡| 午夜福利视频精品| 久久人人97超碰香蕉20202| 免费高清在线观看日韩| 国产成人免费观看mmmm| 不卡av一区二区三区| 80岁老熟妇乱子伦牲交| 欧美在线一区亚洲| 久久久久人妻精品一区果冻| 国产亚洲一区二区精品| 国产精品国产av在线观看| 久久久久精品久久久久真实原创| a级毛片黄视频| 亚洲精品美女久久av网站| 超色免费av| 国产av国产精品国产| 精品国产一区二区三区四区第35| 91aial.com中文字幕在线观看| 色播在线永久视频| 欧美精品高潮呻吟av久久| 视频在线观看一区二区三区| 欧美日韩视频高清一区二区三区二| 亚洲国产精品国产精品| 看十八女毛片水多多多| 日本午夜av视频| 成人漫画全彩无遮挡| 蜜桃国产av成人99| 亚洲人成77777在线视频| 爱豆传媒免费全集在线观看| 亚洲一区中文字幕在线| 中文字幕人妻丝袜一区二区 | 我要看黄色一级片免费的| 欧美激情 高清一区二区三区| 七月丁香在线播放| 日韩中文字幕欧美一区二区 | 巨乳人妻的诱惑在线观看| 91国产中文字幕| 一区二区三区乱码不卡18| 老汉色av国产亚洲站长工具| 最新在线观看一区二区三区 | 久久久久精品久久久久真实原创| 不卡视频在线观看欧美| 欧美激情 高清一区二区三区| 成人国语在线视频| 女人被躁到高潮嗷嗷叫费观| av.在线天堂| 亚洲国产精品一区三区| 亚洲国产欧美日韩在线播放| 欧美激情高清一区二区三区 | 精品亚洲成国产av| 色精品久久人妻99蜜桃| 99九九在线精品视频| 欧美在线黄色| 久久久久久久久久久久大奶| 久久影院123| 男人舔女人的私密视频| 亚洲欧美精品自产自拍| 成人漫画全彩无遮挡| 精品人妻一区二区三区麻豆| 亚洲av国产av综合av卡| 欧美 亚洲 国产 日韩一| 久久久国产精品麻豆| av又黄又爽大尺度在线免费看| 日韩中文字幕欧美一区二区 | 天天影视国产精品| 又大又爽又粗| 超碰成人久久| 波野结衣二区三区在线| 另类精品久久| 久久久国产精品麻豆| 熟女少妇亚洲综合色aaa.| 18禁观看日本| 免费高清在线观看视频在线观看| 国产精品嫩草影院av在线观看| 美女脱内裤让男人舔精品视频| 欧美少妇被猛烈插入视频| 亚洲成人免费av在线播放| 一区二区三区精品91| 一级毛片我不卡| 亚洲,欧美精品.| 性少妇av在线| 国产精品国产三级国产专区5o| 亚洲成人av在线免费| 亚洲av电影在线观看一区二区三区| 亚洲专区中文字幕在线 | 久久影院123| 亚洲国产看品久久| 爱豆传媒免费全集在线观看| 亚洲精品中文字幕在线视频| 国产免费福利视频在线观看| 一二三四中文在线观看免费高清| 少妇被粗大的猛进出69影院| 色吧在线观看| 免费看av在线观看网站| 黄频高清免费视频| av国产精品久久久久影院| 巨乳人妻的诱惑在线观看| 69精品国产乱码久久久| 国产精品国产三级国产专区5o| 国产成人精品久久久久久| 9色porny在线观看| 日韩视频在线欧美| 中文欧美无线码| 免费在线观看视频国产中文字幕亚洲 | 亚洲av电影在线观看一区二区三区| 久久久久久人妻| 天天操日日干夜夜撸| 国产av国产精品国产| 日韩精品免费视频一区二区三区| 街头女战士在线观看网站| 人妻人人澡人人爽人人| 久久久欧美国产精品| 99热国产这里只有精品6| 国产精品99久久99久久久不卡 | 女人精品久久久久毛片| 韩国av在线不卡| 中文字幕另类日韩欧美亚洲嫩草| 久久久久精品国产欧美久久久 | tube8黄色片| 国产精品无大码| 日韩免费高清中文字幕av| 99re6热这里在线精品视频| 亚洲精品乱久久久久久| 黄网站色视频无遮挡免费观看| 性高湖久久久久久久久免费观看| svipshipincom国产片| 人人妻,人人澡人人爽秒播 | 人人妻,人人澡人人爽秒播 | 蜜桃在线观看..| 一本—道久久a久久精品蜜桃钙片| 国产深夜福利视频在线观看| 国产精品偷伦视频观看了| 九色亚洲精品在线播放| 制服丝袜香蕉在线| 精品国产国语对白av| 亚洲男人天堂网一区| av一本久久久久| 一区福利在线观看| 大片电影免费在线观看免费| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品亚洲av一区麻豆 | 又大又黄又爽视频免费| 自线自在国产av| 亚洲国产av新网站| 91成人精品电影| 精品午夜福利在线看| 成年动漫av网址| 丰满乱子伦码专区| 欧美变态另类bdsm刘玥| www.熟女人妻精品国产| 尾随美女入室| 亚洲色图综合在线观看| 午夜福利在线免费观看网站| 美国免费a级毛片| 在线看a的网站| 狂野欧美激情性bbbbbb| 又大又爽又粗| 另类精品久久| 成人国产麻豆网| 免费黄频网站在线观看国产| 国产亚洲欧美精品永久| 午夜福利乱码中文字幕| 男女国产视频网站| 亚洲精品一二三| 啦啦啦中文免费视频观看日本| 亚洲成色77777| 超碰成人久久| 一级,二级,三级黄色视频| 日韩中文字幕欧美一区二区 | 99精品久久久久人妻精品| 国产乱人偷精品视频| 丰满迷人的少妇在线观看| 精品免费久久久久久久清纯 | 男女床上黄色一级片免费看| 老司机影院成人| 哪个播放器可以免费观看大片| 国产xxxxx性猛交| 在线观看免费高清a一片| 亚洲av国产av综合av卡| tube8黄色片| 国产av国产精品国产| 麻豆av在线久日| 十八禁高潮呻吟视频| 欧美日韩视频高清一区二区三区二| 最近最新中文字幕大全免费视频 | 大香蕉久久网| 久久久久精品性色| 少妇人妻 视频| 免费看不卡的av| 热99国产精品久久久久久7| av免费观看日本| 一区福利在线观看| 丰满少妇做爰视频| 国产精品成人在线| 成年动漫av网址| 丰满少妇做爰视频| 日本午夜av视频| 赤兔流量卡办理| 我要看黄色一级片免费的| 99热国产这里只有精品6| 蜜桃在线观看..| www日本在线高清视频| 午夜老司机福利片| 欧美黑人欧美精品刺激| 超碰成人久久| 一区二区av电影网|