基于劃分聚類(lèi)算法的研究及其應(yīng)用.pdf

1、數(shù)據(jù)挖掘是在大數(shù)據(jù)集中通過(guò)一定的算法挖掘出對(duì)人們有用的知識(shí)和信息，數(shù)據(jù)挖掘在當(dāng)今時(shí)代社會(huì)生活中應(yīng)用非常的廣泛。聚類(lèi)分析算法是數(shù)據(jù)挖掘中最為主要的研究領(lǐng)域之一，聚類(lèi)分析是一種無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法，事先不需要對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，k-means算法是一種劃分式聚類(lèi)算法。由于，k-means算法思想相對(duì)簡(jiǎn)單，且該算法易于實(shí)現(xiàn)以及對(duì)于大數(shù)據(jù)集具有較好的伸縮性等優(yōu)點(diǎn)，在實(shí)際中應(yīng)用的最為廣泛。但是k-means算法也有很多不盡人意的地方。本文主要做

2、了以下的工作：
　　首先，針對(duì)k-means算法對(duì)孤立點(diǎn)和面對(duì)大數(shù)據(jù)時(shí)間復(fù)雜度高的問(wèn)題，對(duì)處理的數(shù)據(jù)集構(gòu)建倒排索引，然后用WAND算法在倒排索引結(jié)構(gòu)中查詢(xún)與中心點(diǎn)相似的指定個(gè)數(shù)的數(shù)據(jù)樣本。這樣可以減少k-means算法的時(shí)間復(fù)雜度。同時(shí)，WAND剪枝算法具有很好的穩(wěn)定性，可以很好的將孤立點(diǎn)自動(dòng)的選擇出來(lái)，因此可以改善k-means算法易受孤立點(diǎn)影響和時(shí)間復(fù)雜度高的問(wèn)題。
　　然后，對(duì)算法的研究寫(xiě)出改進(jìn)后算法的偽代碼，并將改進(jìn)