文档介绍：:..基于尺度转换机制的多尺度聚类挖掘算法摘要:提出了一种基于尺度转换机制的多尺度聚类挖M算法SCM-MSCA(ScaleConvertMechanismBasedMultiScaleClusteringAlgorithm),M伟统的多尺度聚类挖掘算法不|wj,基丁尺度转换机制的多尺度聚类挖掘算法首先在指定的基尺度实现聚类挖掘结果,丙通过尺度转换机制求得用广感兴趣的其它尺度的聚类结果。实验数裾表明,木文提出的算法SCM-MSCA同传统的多尺度聚类挖掘算法相比具较好的性能。关键词:聚类挖掘、多尺度、多尺度聚类、尺度转换机制Abstract:lusteringAlgorithm(SCM-MSCA),SCM-MSCAclustersthedataonabasicscale,-:ClusteringMining,Multiscalc,lustering,,而多尺度聚类挖掘是解决具有多尺度特性的空间或时空数裾的挖掘算法,亦将数裾挖掘理论研究推向丫W—个新的研究层次与方向。在国外,针对空间或时空数裾的多尺度特性进行的研究人多集中于多尺度效应与多尺度建模等应用方而,如以非监督多尺度数裾流总法雉于数据驱动的数裾流对涉及吋间尺度的数据流进行趋势预测1],外将这种算法成功地应用于股票数裾的分析。W冇学者将平稳小波变换应川于多尺度分析提出丫应川性更强的尺度选择方法进而构建了两种分类器一SVM分类器和Bayes分类器u。通过引入多尺度超像素分割生成屮间点,有学者提出了一种从杂乱影像屮恢复和分组物体对称部分的方法u。然而针对数裾的多尺度特性进行聚类挖掘的理论研究还比较缺乏,在国内有学者通过引入多尺度控制参数来调节聚类挖掘的尺度特性而提出Y多尺度谱聚类算法[],基于多尺度并行免疫克隆优化聚类算法11实现了在不同的进化时期分别以人小不同的多种尺度并行地实现最优解空间的快速定位与粘确查找,基于小波分解和领域倌息的多尺度FCM聚类算法u人人提《了阁像分割的效率、抗噪性和均匀性。侃这些基于数裾的多尺度特性进行的聚类挖掘人多是通过引入凋节聚类尺度的控制参数11来实现在每种尺度上的聚类挖掘。这种挖掘算法需要在毎一种尺度上进行挖掘,计算M大,且在用广不感兴趣的尺度上进行的挖掘结果得不到用户的认可,造成资源浪费,也不能实现在某一指定尺度上的实时聚类挖掘。针对这些多尺度聚类挖掘算法的不足,木文提出了一种苯于尺度转换机制的多尺度聚类挖掘算法SCM-MSCA(ScaleConvertMechanismBasedM