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、近年來,信息量呈爆炸式增長趨勢,海量數(shù)據(jù)的出現(xiàn)已經(jīng)成為常態(tài)。與此同時也出現(xiàn)數(shù)據(jù)龐大而知識面對傳統(tǒng)的決策系統(tǒng)無法滿足現(xiàn)在人們的迫切需求,數(shù)據(jù)挖掘技術(shù)正是解決這一問題的有效方法之一。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一個重要分支,半監(jiān)督聚類算法更是近幾年來的研究熱點。半監(jiān)督聚類方法融合有監(jiān)督學習和無監(jiān)督學習的優(yōu)點,既充分利用了少量已標記的數(shù)據(jù)信息對聚類過程進行約束指導,又不需要對大量的數(shù)據(jù)進行標記,更貼近實際情況,容易實現(xiàn)。kmeans算法是最早一批
2、被擴展到半監(jiān)督領(lǐng)域的聚類算法之一,通過引入少量監(jiān)督信息,能夠大大提升聚類準確度和迭代效率。Seeded-kmeans算法是一種有效的半監(jiān)督kmeans算法,它通過對標記樣本的利用完成初始中心點的優(yōu)化,但是其對于多維數(shù)據(jù)將各維數(shù)據(jù)重要性等同視之,對孤立點和噪聲點敏感,這些缺點限制了它的應(yīng)用。
本文主要針對Seeded-kmeans算法進行系統(tǒng)研究和改進,具體的研究工作安排如下:
?。?)對聚類和半監(jiān)督聚類的背景知識進行了
3、較詳細的介紹,包括其基礎(chǔ)理論、歷史背景、研究現(xiàn)狀、發(fā)展趨勢等。為了能更好地研究半監(jiān)督kmeans聚類算法,本文對kmeans聚類算法進行了相關(guān)介紹,然后舉例介紹了兩種常用的半聚類kmeans聚類算法。
(2)Seeded-kmeans算法的一個缺點是對各屬性的重要性評估不足,針對于此,本文引入了基于信息增益的特征選擇方法,對Seeded-kmeans算法優(yōu)化、改進。其算法思想是通過對seed集的充分運用,采用信息增益的方法計算
4、出各屬性的權(quán)值,然后再運用Seeded-kmeans算法進行聚類。此外,針對Seeded-kmeans算法的對孤立點和噪聲敏感的缺點,在Seeded-kmeans算法的基礎(chǔ)上加入密度檢測,通過計算seed集樣本點的密度參數(shù),并對其進行密度檢測,不滿足所劃定臨界值的樣本點將被視為噪聲點進而從seed集中刪除,從而提高Seeded-kmeans算法的抗噪能力。
(3)將上述信息增益的特征選擇方法和密度檢測方法進行綜合,對Seede
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
- 基于密度的半監(jiān)督復雜網(wǎng)絡(luò)聚類算法研究.pdf
- 基于kmeans算法的水下圖像邊緣檢測
- 基于自然鄰居的半監(jiān)督入侵檢測算法.pdf
- 基于半監(jiān)督聚類的入侵檢測算法研究.pdf
- 基于深度學習和信息增益的否定選擇算法.pdf
- 基于KMEANS的網(wǎng)格簡化算法.pdf
- 基于進化半監(jiān)督式模糊聚類算法的入侵檢測.pdf
- 基于半監(jiān)督和無監(jiān)督學習的特征選擇算法研究.pdf
- 基于半監(jiān)督學習的路面病害檢測與分類算法研究.pdf
- 基于KL距離的半監(jiān)督分類算法.pdf
- 基于LNP的半監(jiān)督學習算法.pdf
- 基于半監(jiān)督SVM的入侵檢測研究.pdf
- 基于集成的半監(jiān)督學習和主動學習算法研究.pdf
- 基于圖的半監(jiān)督分類算法研究.pdf
- 基于圖的半監(jiān)督情感分類算法研究.pdf
- 基于半監(jiān)督的GN聚類算法研究.pdf
- 半監(jiān)督聚類算法在人臉檢測中的應(yīng)用.pdf
- 基于半監(jiān)督聚類的赤潮預測和滸苔檢測.pdf
- 基于信息增益的中文特征提取算法研究.pdf
- 基于圖的監(jiān)督和半監(jiān)督特征組合方法.pdf
評論
0/150
提交評論