K--means算法在地質(zhì)災(zāi)害系統(tǒng)中的應(yīng)用研究.pdf

1、IIIIIIIIIIIIIIIIIllIY3400614密級公玨分類號工￡三窆!歹考乒擎位論文題目：K—means算法在地質(zhì)災(zāi)害系統(tǒng)中的應(yīng)用研究作者：薛琳瑤指導(dǎo)教師：王建國申請學(xué)位學(xué)科：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)2018年5月4日夢一拳貶嗶⑨堿Kmeans算法在地質(zhì)災(zāi)害系統(tǒng)中的應(yīng)用研究學(xué)科：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)摘。要Kmeans算法是一種經(jīng)典的聚類算法。該算法操作簡單，往往可以得到比較好的聚類效果。但是，該算法也存在一些不足：首先，聚類數(shù)K必須預(yù)先設(shè)定；

2、其次，受初始聚類中心極影響大，如果選擇的初始聚類中心不夠分散，則不能很好的反映原始數(shù)據(jù)集的分布；最后，算法時(shí)間復(fù)雜度過高。為了減少Kmeans算法對初值的依賴性，提高算法的有效性，本文探討了Kmeans算法初始聚類中心的優(yōu)化選擇問題，主要研究內(nèi)容如下：1)在原始數(shù)據(jù)集上運(yùn)用均勻抽樣技術(shù)。在選擇每一個(gè)聚類中心之前，Kmeans算法都要對數(shù)據(jù)庫進(jìn)行一遍掃描，這樣會(huì)造成非常大的計(jì)算量，因此本文選擇首先對原始數(shù)據(jù)集進(jìn)行抽樣，這樣既起到對原始數(shù)據(jù)

3、的預(yù)處理作用，而且能夠?qū)means算法的優(yōu)越性發(fā)揮出來。2)在聚類的開始階段，傳統(tǒng)的UPGMA算法能夠很好地發(fā)現(xiàn)密集區(qū)域，但不易發(fā)現(xiàn)聚類形成的次序，導(dǎo)致選擇的初始聚類中心點(diǎn)不能代表實(shí)際數(shù)據(jù)集的分布狀況，因此設(shè)置了聚類條件和篩選條件，以保證初始聚類中心候選點(diǎn)將全部來自高密度區(qū)域，同時(shí)避免邊緣數(shù)據(jù)和噪聲數(shù)據(jù)。但是改進(jìn)的UPGMA算法也有缺點(diǎn)，即在聚類條件和篩選條件的控制上，如果設(shè)置不當(dāng)，則無法避免選擇的初始聚類中心點(diǎn)過于密集。如果在Can