《動態數據挖掘中的演化聚類模型與算法研究》是依託大連理工大學,由郭崇慧擔任項目負責人的面上項目。
基本介紹
- 中文名：動態數據挖掘中的演化聚類模型與算法研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：郭崇慧
項目摘要,結題摘要,
項目摘要
近年來，各種聚類分析方法已經在數據挖掘領域中得到了較為深入的研究，但這些方法大多是針對關係資料庫中的靜態數據對象而提出的。然而在現實世界中越來越多的套用涉及到隨時間動態變化的數據對象的聚類分析。本項目將針對客戶關係管理中的動態客戶細分這一實際套用背景，將領域知識引入知識發現過程中，根據粒度計算的分而治之思想，分別建立多時間視窗演化聚類模型和用戶感興趣視窗聚類模型，並給出模型的求解算法及參數的選取與估計方法。主要研究內容包括：（1）演化聚類中的領域知識表示方法；（2）基於核集的多時間視窗演化聚類模型及算法；（3）基於高斯核密度估計的用戶感興趣視窗聚類模型及算法；（4）基於演化聚類的汽車客戶動態細分方法及軟體原型系統。演化聚類有著廣泛而重要的套用背景，本項目的研究將有利於推動動態數據挖掘聚類方法的進一步發展，具有重要的理論意義和實用價值。
結題摘要
近年來，各種聚類分析方法已經在數據挖掘領域中得到了較為深入的研究，但這些方法大多是針對關係資料庫中的靜態數據對象而提出的。然而在現實世界中越來越多的套用涉及到隨時間動態變化的數據對象的聚類分析。本項目針對客戶關係管理中的動態客戶細分這一實際套用背景，將領域知識引入知識發現過程中，建立了多種演化聚類模型，並根據粒度計算的分而治之思想，給出了模型的求解算法及參數的選取與估計方法。主要研究成果包括：（1）針對動態數據挖掘中的聚類問題，提出了增量AP聚類、微粒群最佳化演化聚類、動態複雜網路社區發現等多種有效的演化聚類模型與算法；（2）對聚類模型與算法進行了聚類數目估計、擾動分析、稀疏成分分析等方面的理論分析，提出了區間型符號數據的特徵選擇方法和可用於聚類分析的可視化降維方法；（3）提出了基於演化聚類的汽車客戶動態細分方法和客戶群變化挖掘方法以及多種時間序列數據挖掘方法；（4）針對決策信息不完全條件下的多粒度不確定語言型多屬性群決策問題，提出了多種具有殘缺和不確定信息的群決策方法。在《IEEE Transactions on Knowledge and Data Engineering》、《Journal of Systems Engineering and Electronics》、《SCIENCE CHINA Information Sciences》、《International Journal of Systems Science》、《Knowledge and Information Systems》等重要國際學術期刊上發表了12篇SCI檢索收錄論文。在《管理工程學報》、《情報學報》、《系統管理學報》、《運籌與管理》、《工程數學學報》、《科研管理》等中文核心期刊上發表了11篇論文。
