1、聚類分析技術以研究對象之間的相似性為基礎,將具有類似模式的對象在茫茫的數(shù)據(jù)集中聚集成多個不同的類。多年來,聚類分析是被國內(nèi)外專家學者深入研究和學習,提出了很多優(yōu)秀的方法,取得了很多不錯的成果,使得這項效果顯著、功能強大的數(shù)據(jù)挖掘分析技術得到了很大的發(fā)展。近年來,隨著計算機技術的日新月異,互聯(lián)網(wǎng)行業(yè)的飛速發(fā)展,數(shù)據(jù)信息越來越豐富,規(guī)模越來越龐大,人們逐漸的發(fā)現(xiàn),傳統(tǒng)的基于單一類型的聚類技術由于其自身存在的伸縮性能較差、處理多類型數(shù)據(jù)能力匱

2、乏等缺點,已經(jīng)越來越不能滿足用戶的需求。在這樣的背景下,針對二類型乃至多類型數(shù)據(jù)的聯(lián)合聚類技術應運而生。
　　 多類型聯(lián)合聚類技術近年來吸引了越來越多的眼球,這項技術應用廣泛,能在基因分析、搜索引擎、電子商務等多個領域發(fā)揮極大的作用,但其發(fā)展仍然有很大局限性和不成熟性。本文就此課題開展研究,主要做了四方面的工作:(1)簡單的介紹了聚類分析技術的歷史背景、研究意義以及國內(nèi)外的研究現(xiàn)狀,深入分析已有的聚類分析技術的發(fā)展情況,仔細剖析

3、了這些技術的優(yōu)缺點。(2)基于對這些已有的優(yōu)秀的聚類技術的分析和理解,本文建立了一種基于EM迭代更新的非負矩陣分解(Tri-NMF)的模型,該模型結合了復雜譜圖劃分原理以及基于準則劃分原理的長處,同時加入權重調整因子,使得模型在綜合了兩者優(yōu)點的同時又能針對不同的數(shù)據(jù)進行靈活的調整。(3)在此模型的理論基礎之上,建立了一套基于Tri-NMF模型的聯(lián)合聚類算法族,囊括了二類型乃至多類型數(shù)據(jù)聯(lián)合聚類的硬分析方法和軟分析方法。(4)為了驗證系統(tǒng)