已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、lIIIIIIIIIIIIIIIIII111Y3283365中圖分類號:UDC:TP391密船公開本校編號:蔥州交通大摯碩士學位論文論文題目:K—means聚類算法的改進研究及應用研究生姓名:蘭斐莖學號:0214459學校指導教師姓名:查查職稱:教授申請學位等級:論文提交日期:理學碩士專業(yè)——計算數(shù)學論文答辯日期:!!!::j獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作和取得的研究成果,除了文中特別加以標注和致謝之
2、處外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含獲得蘭巡童道太堂或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并表示了謝意。學位論文作者簽名:猻薪簽字吼如『7年6月加日學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解蘭世l鑾逼太堂有關(guān)保留、使用學位論文的規(guī)定。特授權(quán)蘭趔童通太堂可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索,并采用影印、縮印或掃描等復制手段保存、
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- K-Means聚類算法的研究與改進.pdf
- K-means聚類算法研究及其應用.pdf
- k-means聚類算法分析應用研究
- (6)K-means聚類算法.pdf
- 聚類數(shù)據(jù)挖掘在商場中的應用及K-means聚類算法改進研究.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 模糊k-means聚類方法研究及改進.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 改進K-MEANS聚類算法在銀行CRM中的應用與研究.pdf
- 聚類K-means算法及并行化研究.pdf
- K-Means算法研究及在文本聚類中的應用.pdf
- 基于k-means的改進聚類融合算法的研究與應用.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- 基于密度垂直中點的K-means聚類算法改進研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
評論
0/150
提交評論