检索结果-南通市图书馆

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

去中心化场景下的隐私保护联邦学习优化方法

计算机应用研究 2024年

作者：侯泽超董建刚新疆大学软件学院

联邦学习的提出为跨数据孤岛的共同学习提供了新的解决方案，然而联邦节点的本地数据的非独立同分布(Non-IID)特性及中心化框架在参与方监管、追责能力和隐私保护手段上的缺失限制了其大规模应用。针对上述问题，提出了基于区块链的可... 详细信息

联邦学习的提出为跨数据孤岛的共同学习提供了新的解决方案，然而联邦节点的本地数据的非独立同分布(Non-IID)特性及中心化框架在参与方监管、追责能力和隐私保护手段上的缺失限制了其大规模应用。针对上述问题，提出了基于区块链的可信切片聚合策略(BBTSA)和联邦归因(FedAom)算法。FedAom引入归因思想，基于积分梯度法获取归因，从而定位影响模型决策行为的参数，分级考虑参数敏感性，在局部更新过程中保持和强化全局模型所学习到的关键知识，有效利用共享数据，从而缓解Non-IID问题。BBTSA基于区块链构建去中心化的联邦学习环境，允许联邦节点在无须中心化第三方的情况下，通过在参与方间交换噪声而非权重或梯度参数，基于合作树结构实现对参数的切片混淆，以保护节点隐私。在两种数据集上的不同分布条件下的验证结果显示，FedAom在大多数条件下相比基线方法在稳定性和收敛速度上都有显著提升。而BBTSA能够隐藏客户端的隐私参数，在不影响精度的情况下确保了训练过程的全程监控和隐私安全。

关键词：联邦学习区块链隐私保护非独立同分布积分梯度归因

非独立同分布下K均值算法的改进及在球员数据分析中的应用研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

非独立同分布下K均值算法的改进及在球员数据分析中的应用研究

作者：潘品臣齐鲁工业大学

学位级别：硕士

互联网时代的到来必将产生大量的数据,数据挖掘则是从这些数据中用非平凡的方法来发现有价值的信息,聚类分析作为这些非平凡的方法之一,是数据挖掘中的一个重要研究领域。在聚类分析的相关算法中,K均值算法是其中的经典算法之一,其简单... 详细信息

互联网时代的到来必将产生大量的数据,数据挖掘则是从这些数据中用非平凡的方法来发现有价值的信息,聚类分析作为这些非平凡的方法之一,是数据挖掘中的一个重要研究领域。在聚类分析的相关算法中,K均值算法是其中的经典算法之一,其简单、高效,但也存在一些缺陷,例如随机选取聚类中心点容易导致聚类结果不稳定,并且会受到一些离群点的影响,使得聚类结果往往只是局部最优。此外,传统K均值算法及目前对其改进的算法都是在独立同分布下进行的。然而真实世界的数据往往是非独立同分布的（Non-Independent and Identically Distribution,简写Non-IID）,即属性值、属性、对象之间或多或少都会存在一些耦合或交互关系。如果忽略了这类关系,可能会导致数据中的重要信息丢失,从而影响聚类分析的结果。因此本文在Non-IID概念下对K均值算法进行改进,并将优化后的算法应用到NBA球员数据中。本文的主要工作如下:在理论研究方面,主要分为两个部分。第一部分,针对K均值算法随机选取初始聚类中心以及易受离群点影响而导致聚类不稳定的缺陷,提出一种独立同分布下优化K均值算法（Optimized K-means Algorithm within IID Context,简写IIDOPK）,即利用双领域思想和最大距离积法相结合的方式来对其进行优化。实验结果表明在UCI数据集下能够得到较高的准确率、较好的聚类效果以及较少的迭代次数。第二部分,针对独立同分布思想的缺陷,将优化后的K均值算法与Non-IID概念相结合,提出一种Non-IID下优化K均值算法（Optimized K-means Algorithm within Non-IID Context,简写Non IID-OPK）。首先利用修改后的Pearson相关系数公式来计算属性本身和不同属性之间的耦合关系,然后将得到的耦合关系系数以矩阵形式表示并通过类似泰勒展开式形式映射到数据集的对象之间,从而得到原始数据集的全局耦合表示,最后将新的耦合表示带入优化后的K均值算法进行聚类分析。实验结果表明在相同的UCI数据集下能够得到更高的准确率。在具体应用方面,随着数据挖掘分析技术的发展,人们同样可以从NBA球员数据中挖掘出一些潜藏的有价值的信息。目前已有的一些研究方法都是基于独立同分布下进行的,这些方法忽略了属性、属性值、对象之间的耦合关系,所以本文将验证后的Non IID-OPK算法带入NBA球员数据中进行聚类分析,根据球员的不同位置对其进行等级划分,并考虑一些额外的因素为球队的管理人员在进行球员交易签约时提供决策建议,让球队用更少的资金获得更好的效益。

关键词：非独立同分布 K均值耦合关系初始聚类中心球员数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布下异构数据KNN算法研究

非独立同分布下异构数据KNN算法研究

作者：孙聪慧齐鲁工业大学

学位级别：硕士

数据挖掘顾名思义就是从海量数据中挖掘出对于企业或者个人来说有用的信息,因为数据挖掘能够为企业创造出更大的利益,所以数据挖掘的相关算法与技术层出不穷,并且已经广泛应用到了许多领域,成为推动大数据发展不可或缺的动力。分类分析... 详细信息

数据挖掘顾名思义就是从海量数据中挖掘出对于企业或者个人来说有用的信息,因为数据挖掘能够为企业创造出更大的利益,所以数据挖掘的相关算法与技术层出不穷,并且已经广泛应用到了许多领域,成为推动大数据发展不可或缺的动力。分类分析是数据挖掘算法中的经典算法之一,其中KNN算法因其原理简单易懂又易于实现等特点被广泛的应用到数据挖掘领域。但因其也存在一些缺陷,如训练样本不均衡问题、冗余特征等会对分类结果产生影响,故而众多学者对其提出改进。然而传统KNN算法及众多改进算法均基于独立同分布,而现实生活中的数据大多数是以非独立同分布的形式存在的,也就是说数据对象之间、数据对象的属性之间以及属性值之间都会存在一定的相互联系,这些相互联系如果被忽略则会错失一些重要信息,从而导致分类结果不准确。因此本文基于非独立同分布思想对KNN算法进行了相关改进。本文的主要研究工作包括以下三点:第一,针对数值型数据,为解决传统KNN算法中因为训练样本不均衡和易受单个属性影响导致分类结果不准确的问题,提出一种基于类隶属度和特征权重的CFW-KNN算法。该算法通过计算数据密度确定球中心点和半径建立最小包围球,并根据训练样本所处位置确定类隶属度,再通过Relief F算法思想进行特征权重的计算,最后根据训练样本的类隶属度和特征权重更新类别决策规则,从而确定待分类样本的类别。实验结果表明,CFW-KNN算法能够使分类结果更加准确,提高分类准确率。第二,针对数值型数据,在改进后的CFW-KNN算法中运用非独立同分布思想,通过对数据集中各类隐含关系的挖掘,提出一种非独立同分布下的NIID＿CFW＿KNN算法。该算法首先利用改进后的Pearson相关系数公式整合出数据对象的耦合相似度矩阵,将原始数据集转化为具有耦合关系的新数据集,并将新数据集应用于CFW-KNN算法进行分类分析。实验结果表明,NIID＿CFW＿KNN算法的分类准确率有进一步的提升。第三,针对异构型数据,在NIID＿CFW＿KNN算法的基础上运用非独立同分布思想对类别型数据和数值型数据进行全局耦合关系分析,提出一种非独立同分布下针对异构型数据的NIID＿MCFW＿KNN算法。该算法充分挖掘出存在于类别型数据内部、数值型数据内部以及类别型数据和数值型数据之间的耦合关系,并将具有耦合关系的新数据集应用于CFW-KNN算法进行分类分析。实验结果证明,NIID＿MCFW＿KNN算法对异构型数据具有较好的分类效果。

关键词：非独立同分布 KNN算法类隶属度特征权重异构型数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布下的联邦学习优化

非独立同分布下的联邦学习优化

作者：杨霖华中科技大学

学位级别：硕士

人工智能算法模型准确率的提高往往依赖不断地向模型注入大量数据样本来实现,但是由于隐私问题,一些数据敏感型企业难以进行数据共享来训练模型。联邦学习旨在破除数据孤岛,使企业能够在保障隐私的条件下,共建联邦模型。但联邦学习的一... 详细信息

人工智能算法模型准确率的提高往往依赖不断地向模型注入大量数据样本来实现,但是由于隐私问题,一些数据敏感型企业难以进行数据共享来训练模型。联邦学习旨在破除数据孤岛,使企业能够在保障隐私的条件下,共建联邦模型。但联邦学习的一个突出问题就是参与方可能存在数据上的异构性。当参与方所持数据为非独立同分布时,各参与方会更倾向于将模型拟合向自身所持有的数据特征,从而使联邦模型的准确率大受影响。论文提出了本地截断联邦学习算法框架(Federated Learning with Local Trucation,FedLT),在遵守隐私保护原则的前提下,解决非独立同分布环境中联邦模型准确率下降的问题。FedLT提出基于串行学习与数据切片的预训练算法,进行细粒度的知识迁移,作为剪枝训练的基础,使联邦模型在训练起始阶段能够融合并保留更多的均匀数据特征。FedLT提出基于损失的本地训练截断机制,针对参与方的本地更新过程细分阶段,及时截断弱参与方的本地训练,对其进行剪枝,降低其对全局联邦模型的影响。FedLT在剪枝训练的过程中加入了均匀性补偿机制,补偿训练过程中模型所遗忘掉的均匀性数据特征,与截断策略一起对并行训练所产生的权重分歧进行抑制。FedLT提出联邦统一平均算法对模型聚合的方式进行了优化,综合衡量参与方的模型更新方向、模型更新步长、数据集比例对联邦模型的影响。论文对FedLT算法框架在MNIST、Fashion-MNIST、THUCNews数据集上进行了对比实验。实验结果表明,相比于Federated Averaging和LoAdaboost算法,FedLT所得的联邦模型在不同数据分布形式的参与方下,均取得了测试准确率提升的效果,且不平衡性越大,FedLT对模型性能的改善幅度越大。在数据分布极度不平衡时,FedLT所得模型在三个数据集上的测试准确率分别最大提高了48.57%、37.45%、14.67%,并提升了算法模型的训练效率。

关键词：联邦学习非独立同分布权重分歧剪枝

非独立同分布下k-means聚类算法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布下k-means聚类算法的研究

作者：谢青青齐鲁工业大学

学位级别：硕士

聚类分析作为数据挖掘技术的一个重要分支,是对数据划分或分组的重要技术手段。在没有先验知识的情况下,聚类分析将数据对象按照一定的要求或规则划分成若干类,由于聚类分析具有很高的实际应用价值,因此成为数据挖掘研究中非常活跃的科... 详细信息

聚类分析作为数据挖掘技术的一个重要分支,是对数据划分或分组的重要技术手段。在没有先验知识的情况下,聚类分析将数据对象按照一定的要求或规则划分成若干类,由于聚类分析具有很高的实际应用价值,因此成为数据挖掘研究中非常活跃的科研课题。K-means算法作为聚类分析中的经典算法已被广泛的应用在各个行业领域。但是,k-means算法同时也存在一些需要改进的地方,比如,初始中心确定的随机性,k值选择的模糊性和主观性,欧氏距离同等对待变量等。此外,目前都是在独立同分布下对数据进行处理的,但在实际应用中,数据之间并不是互不影响的独立同分布的情况,也就是说数据源的属性值、属性、对象之间存在耦合或者依赖关系。如果在算法研究中忽略了数据之间的非独立同分布性,可能会导致分析结果因为丢失重要信息而变得不准确。本文针对k-means算法存在的不足尝试从非独立同分布条件下对k-means算法进行了如下改进:针对k-means算法初始中心点选取的随机性,提出了一种新的初始中心点选取的方法,主要是基于属性之间的耦合关系出发,深度探讨数据属性之间的相关性,选取数据集中满足改进算法所设定的条件中包含耦合相似性点数目最多的样本对象作为初始中心点,利用修改后的Pearson相关系数能够更加合理的表示属性之间的相关性。针对k-means算法中相似性度量以及聚类准则函数存在的不足,提出了两点改进方法。首先是对欧氏距离存在的将数据项目不同维度的属性同等对待以及不能够区别数据属性之间的重要性等不足,提出一种基于耦合属性分析的相似性度量改进方法;其次对聚类准则函数不能够很好的处理类内分布不均的情况,提出了一种基于耦合属性分析的聚类准则函数的改进方法。以上两点改进主要是利用非独立同分布学习理论来探索对象属性之间的耦合关系,不仅仅从属性内的属性值耦合关系考虑,而且还考虑了属性之间属性值耦合关系。改进算法在多个UCI数据集上进行了实验验证,实验结果显示改进后k-means算法具有很好的稳定性和较高的准确率。

关键词：非独立同分布初始中心点 Pearson相关系数相似性度量耦合关系分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布词语相关度计算方法研究

非独立同分布词语相关度计算方法研究

作者：张玉腾齐鲁工业大学

学位级别：硕士

词语相关度计算,即度量两个词语表达意义的近似程度。它是自然语言处理领域的一项基础性研究,对文本分类、自动问答、词义消歧、机器翻译等上层任务有着重要的影响。词语的表示学习是词语相关度计算中一项基础而核心的工作,获取高质量... 详细信息

词语相关度计算,即度量两个词语表达意义的近似程度。它是自然语言处理领域的一项基础性研究,对文本分类、自动问答、词义消歧、机器翻译等上层任务有着重要的影响。词语的表示学习是词语相关度计算中一项基础而核心的工作,获取高质量的词语表示是提高词语相关度计算结果的有效方式。本文试图从提高词语的表示学习质量这一角度出发进行相关研究,在非独立同分布学习理论(not independent and identically distributed learning,简写non-IID learning)的指导下,充分挖掘概念之间的耦合关系,生成高质量的概念向量,再通过概念映射将词语与概念关联起来,利用概念向量计算词语相关度,进而改善文本分类、自动问答等上层应用的效果。本文的主要工作和贡献体现在下述三个方面:(1)针对传统的词语相关度计算方法混淆语义概念信息且忽视概念耦合关系的问题,本文提出了基于非独立同分布学习的词语概念表示方法和词语相关度计算方法。本文充分挖掘概念描述和知识网络蕴含的多种概念耦合关系,包含概念描述中的显式概念共现耦合、知识网络中的显式概念超链接耦合以及两者之间的隐式概念耦合;提出了基于non-IID的概念表示方法,以捕获概念之间显式和隐式的耦合关系,充分利用概念之间的这些耦合关系,获得更加完善的概念语义表示;通过概念映射,将词语与概念语义表示关联起来,进而提升词语相关度计算的效果。在六种不同的真实数据集上,对比七种主流的词向量方法,基于非独立同分布学习的词语概念表示方法都有大幅度的提升,其平均结果至少比基线模型高出20.4%。实验结果表明,该方法能有效地表示概念的语义信息,能够提高词语相关度的计算性能。(2)为了进一步验证基于non-IID的词语概念表示方法的性能,本文将概念向量应用到文本分类任务中,提出了基于non-IID词语表示的文本分类方法。首先利用基于non-IID的概念表示方法设计文本特征构建模块,将文本转化为密集的向量表示,为文本提供更加丰富完善的语义表示;同时也使用传统的词表示算法为文本提供普通向量表示;然后将两种向量表示连接起来,作为文本的特征表示;最后使用LIBLINEAR模型训练分类器,获得最终的文本分类结果。实验结果表明,借助于non-IID词语概念表示方法,六种传统的文本分类模型,在20NewsGroup数据集上分类精度上均得到了有效提升,其中F值平均提高22.8%。(3)为了进一步验证基于non-IID的词语概念表示方法的性能,本文将概念向量应用到医疗自动问答任务中,提出了基于non-IID词语表示的医疗问答方法。首先利用基于non-IID的概念表示方法设计词嵌入模块,将问答对转化为密集的向量表示,为问题句和答案句提供更加丰富完善的语义表示;然后针对中文医疗问答任务的特点,设计六种编码器,使用编码器对问答对的向量表示进行编码,以捕获句子内部词语之间的依赖关系,生成问答对的高层语义表示;最后使用余弦相似度算法计算问答对高层语义表示的距离,获得问答对之间的相似性评分,将得分最高的答案作为模型选择的答案。实验结果表明,融入基于non-IID的词语概念表示后,医疗自动问答系统的性能能够得到有效改善,在cMedQA数据集上ACC@1的最高得分达到69.85%,优于传统方法的效果。

关键词：词语相关度非独立同分布概念表示文本分类问答系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布数据下的联邦学习算法研究

非独立同分布数据下的联邦学习算法研究

作者：李剑电子科技大学

学位级别：硕士

随着大数据驱动的人工智能技术飞速发展,机器学习技术在现实生活中被广泛应用。过去机器学习模型常采用集中式训练的方法,该方法需要在中央服务器上搜集并存储大量优质数据。现实中由于行业竞争、隐私安全和法规限制等诸多原因,数据的... 详细信息

随着大数据驱动的人工智能技术飞速发展,机器学习技术在现实生活中被广泛应用。过去机器学习模型常采用集中式训练的方法,该方法需要在中央服务器上搜集并存储大量优质数据。现实中由于行业竞争、隐私安全和法规限制等诸多原因,数据的集中搜集和存储遭受着极大的限制。联邦学习作为一种新型分布式机器学习范式,能够在保障用户数据安全的同时充分利用设备数据。联邦学习能够在保护用户隐私的同时使得大量设备协同训练机器学习模型,并使参与者彼此从中获益。然而联邦学习中存在数据在统计上异构的挑战,该问题会使得模型训练变得低效。联邦学习中的数据由数据所有者独立产生,各参与者的数据通常具有不同分布特征。非独立同分布的数据在真实联邦学习系统中广泛存在,而现有的联邦学习算法主要基于数据服从独立同分布的假设,在非独立同分布数据下算法性能会显著变差。针对这一问题,本文在现有联邦学习算法的基础上进行了一系列的研究,本文主要研究工作如下:一、通过仿真实验验证现有联邦学习算法在非独立同分布数据下性能较差。通过常见的MNIST数据集和CIFAR-10数据集产生非独立同分布的实验数据集,并对比了现有联邦学习算法在不同数据分布情况下的性能。二、通过生成对抗网络对联邦学习中非独立同分布的数据进行数据增强。使用生成对抗网络能够在不涉及用户隐私的情况下生成虚假数据,参与者将少量的虚假数据加入本地模型训练数据,就可以增强联邦学习算法的性能。通过MNIST和CIFAR-10两个数据集上的实验验证,该方法使得联邦学习算法在非独立同分布的数据下有很大的性能提升。三、通过知识蒸馏方法聚合各参与者的模型。非独立同分布数据下,各参与者训练得到的子模型学习到了不同知识,通过知识蒸馏方法可以高效地将各子模型所学得的知识整合到全局模型中。通过实验测试,该方法在非独立同分布数据下有良好的性能。四、将上述两种方法整合到联邦学习系统中。整合后的联邦学习算法与现有的Fed Avg算法兼容,且实验结果表明该算法在非独立同分布数据下的性能显著优于Fed Avg算法。

关键词：联邦学习非独立同分布数据增强生成对抗网络知识蒸馏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布KNN分类算法研究

非独立同分布KNN分类算法研究

作者：李会娟齐鲁工业大学

学位级别：硕士

数据挖掘是从数据中挖掘出有价值信息的过程。分类算法是数据挖掘学科的主流研究课题之一,任务是将未知类别的数据项映射到相应类别。KNN算法是分类挖掘领域应用最广泛的分类算法之一。本文针对KNN分类器进行了研究和分析,并围绕算法的... 详细信息

数据挖掘是从数据中挖掘出有价值信息的过程。分类算法是数据挖掘学科的主流研究课题之一,任务是将未知类别的数据项映射到相应类别。KNN算法是分类挖掘领域应用最广泛的分类算法之一。本文针对KNN分类器进行了研究和分析,并围绕算法的不足在决策规则、相似性度量方面进行了改进。论文主要工作如下:传统KNN分类器的决策规则是在选定近邻之后,对k个近邻实例进行类别统计从而预测待测实例的类标签。显然,这种简单的统计判别方式没有有效利用近邻样本的信息。针对KNN算法决策规则的缺陷,本文引入近邻支持度和类可信度的概念以生成新的决策规则。首先,以近邻样本的相似度信息为关注点,引入近邻支持度的概念;然后,通过考虑样本分布情况来计算每个类别的类可信度。实验表明,改进的NDNN算法提高了分类器性能,是一种有效、稳定的分类算法。传统KNN分类算法衡量数据集中的对象间关系时,往往认为各个对象间是独立同分布的,忽略对象间的相互作用和影响。改进的CSNN算法基于非独立同分布思想,通过挖掘对象的特征、特征值等多层次的耦合关系来构建新的相似性函数。首先通过衡量各个特征对分类的重要程度,研究特征与类别间的非独立同分布性进而形成类特征权重;其次,利用类特征权重形成对象间的特征内非独立同分布函数;然后,分析不同特征间的影响并生成特征间非独立同分布函数;最后将对象间的特征内、特征间、特征与类别间的非独立同分布关系融合到相似性度量中,构造关联相似性规则。实验表明,与传统KNN算法相比,基于非独立同分布思想改进的CSNN算法分类效果有明显提高。

关键词： KNN算法分类决策规则非独立同分布相似性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非独立同分布下DBSCAN算法的研究

非独立同分布下DBSCAN算法的研究

作者：吕奕锟齐鲁工业大学

学位级别：硕士

聚类方法是数据挖掘的重要组成部分,其目的是把相似的数据对象聚在一起,把不相似的数据对象尽可能地分离,是一个极富挑战性的研究领域。DBSCAN是一种性能优越的基于密度的聚类算法,该算法将具有足够密度的区域划分为数据簇,数据簇为密... 详细信息

聚类方法是数据挖掘的重要组成部分,其目的是把相似的数据对象聚在一起,把不相似的数据对象尽可能地分离,是一个极富挑战性的研究领域。DBSCAN是一种性能优越的基于密度的聚类算法,该算法将具有足够密度的区域划分为数据簇,数据簇为密度相连的数据对象的最大集合,算法的显著优点是聚类速度快,能够有效处理噪声点,且能发现任意形状的空间聚类。但是由于传统的DBSCAN算法存在假设数据对象和属性之间是独立同分布的,传统的距离公式难以准确度量类别型数据对象和属性之间的相似度,且参数敏感不易确定等问题。为了解决上述问题,本文研究了非独立同分布下的DBSCAN算法。采用非独立同分布的思想处理类别型数据的无监督聚类问题,即利用非独立同分布的耦合相似度公式计算数据对象和属性之间的相似度,将得到的耦合相似度以矩阵的形式输出。利用邻域区间值(邻域区间下限值Eps和邻域区间上限值Eps)和阈值来划分高密度数据集合,从而可以更快地得到更高质量的聚类结果。针对普通的类别型数据,提出了Non-IID DBSCAN算法(DBSCAN under Non-Independent and Identical Distribution),升序排列耦合相似度最大的数据对象O与其他数据对象的耦合相似度得到数组R,利用绘制数组R的可视化方法来选择邻域区间下限值Eps,观察发现曲线先缓慢上升后趋于平稳,最后在某处突然变陡,则将曲线突然变陡处对应的耦合相似度的值设置为邻域区间下限值Eps,同时找到邻域区间下限值Eps的相似度较大侧的所有K-近邻值(K取Minpts的值),并将其最大值设置为邻域区间上限值Eps。利用密度公式判断数据的稀疏稠密程度,即根据密度值的大小设置参数阈值Minpts。通常情况下,若密度值较大时,阈值Minpts取值为4,若密度值较小时,阈值Minpts取值为2。针对含有布尔型数据的类别型数据,提出了NIB-DBSCAN算法(DBSCAN under Non-Independent and Identical Distribution for Boolean data),通过利用散点图拟合数据对象和属性耦合相似度的分布情况,找到数据簇与数据簇的分界点,将其对应的耦合相似度的值设置为邻域区间下限值Eps。对于数据簇数量较少的数据集,利用加权平均数选择参数阈值Minpts;对于数据簇数量较大的数据集,利用特殊值方法选择参数阈值Minpts。最后通过UCI数据集的实验结果表明,非独立同分布下的DBSCAN可以获得更高精度的聚类结果,且提高了算法的适用性。

关键词：非独立同分布耦合关系 DBSCAN算法耦合相似度矩阵统计学原理