基于度的半監(jiān)督聚類算法及其在集裝箱港口出口箱量短期預(yù)測(cè)中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取人們感興趣的信息和知識(shí),這些往往是隱含的、有用的、尚未發(fā)現(xiàn)的信息和知識(shí)。目前,數(shù)據(jù)挖掘已經(jīng)引起了人們的廣泛關(guān)注,成為國(guó)內(nèi)外數(shù)據(jù)庫和信息決策領(lǐng)域的最前沿研究方向。 聚類是數(shù)據(jù)挖掘領(lǐng)域最為常用的技術(shù)之一。它將已有數(shù)據(jù)對(duì)象分入不同的集合,使得分入同一集合中的數(shù)據(jù)對(duì)象具有相似性,而分入不同集合的數(shù)據(jù)對(duì)象則相對(duì)來說有較大的差別。在聚類過程中通常沒有教師指導(dǎo),因此是一種無監(jiān)督的分類。隨著對(duì)聚類研究的深入,背景知識(shí)對(duì)

2、于聚類分析的重要性逐漸為人們所認(rèn)識(shí)。如何把用戶的傾向結(jié)合入聚類分析過程成為一個(gè)具有挑戰(zhàn)性的問題。 本文首先對(duì)半監(jiān)督聚類概率模型進(jìn)行了深入研究,并詳細(xì)分析了已有算法,針對(duì)已有算法中忽視負(fù)關(guān)聯(lián)限制作用和算法復(fù)雜度較高的不足,提出了一種基于度的半監(jiān)督聚類算法(SCUD)。該算法綜合利用了給定的正關(guān)聯(lián)和負(fù)關(guān)聯(lián)約束形式的背景知識(shí),根據(jù)約束度來初始化K個(gè)聚類中心,再運(yùn)用EM算法得到聚類結(jié)果。從實(shí)驗(yàn)結(jié)果和分析中可以看到,該算法只需使用相對(duì)較少

3、的約束數(shù)據(jù)就能獲得很好的聚類效果,并且當(dāng)數(shù)據(jù)對(duì)象個(gè)數(shù)較多時(shí)可在獲得良好的聚類效果前提下,具有更小的時(shí)間復(fù)雜度。 在實(shí)際應(yīng)用方面,針對(duì)集裝箱港口出口箱量短期預(yù)測(cè)的特點(diǎn)、要求和內(nèi)容,設(shè)計(jì)了兩步預(yù)測(cè)框架;并在此框架下提出基于SCUD半監(jiān)督聚類的預(yù)測(cè)算法。該算法能通過運(yùn)用下一港口、船最大載重、到達(dá)和離開時(shí)間所處月份以及關(guān)聯(lián)約束等背景知識(shí)來有效地提高預(yù)測(cè)精度,幫助港口管理人員為堆場(chǎng)集裝箱堆放、輪胎吊和橋吊的作業(yè)及人員調(diào)度預(yù)先作出合理規(guī)劃。

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(qǐng)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(qǐng)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論