数据挖掘与数据分析应用案例 数据挖掘算法实践 基于Java的数据挖掘与相似度计算.doc

相似度度量是衡量对象间相互关系强弱、联系紧密程度的重要手段。相似度是描述两个对象之间相似程度的一种度量，依据对象不同，相似度计算方法亦不同。相似度计算被广泛应用于数据挖掘算法中，它是对象分类的基础。在数据挖掘的方法中，诸如数据分类和预测、数据聚类、关联分析、序列模式、依赖关系与依赖模型、异常检测和趋势分析等都离不开对象之间的相似度分析。尤其是在考察对象间同异度关系时，相似度度量和计算方法将直接影响最终的数据挖掘结果,相似度计算又是衡量对象间差异的基础，在分类应用中，相似度计算是分类的依据。因而，依据不同的实际应用和数据对象，研究相似度计算方法，对数据分类有重要意义。 在数据挖掘、模式识别和机器学习等计算机应用领域中，两个对象的相似度是描述这两个对象之间相似程度的一种度量，两者越相似，它们的相似度就越高，相似度是一一个非负数值， 其值介于0和1之间。数据挖掘的很多算法都涉及计算对象间的相似度,相似度计算方法依赖于数据对象的类型，数据对象的类型不同其相似度计算方法不同。例如，数值型数据的相似度可用欧氏空间的距离来描述其邻近程度;两个标称型数据对象的相似度与用来计算相似度的属性的值域有关。