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)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,特別是信息技術(shù)的快速發(fā)展,網(wǎng)絡(luò)上產(chǎn)生了大量不同形式的數(shù)據(jù),尤其是非平衡數(shù)據(jù)。非平衡數(shù)據(jù)是指同一個(gè)數(shù)據(jù)集中某些類的樣本數(shù)遠(yuǎn)遠(yuǎn)小于其他類的樣本數(shù),樣本數(shù)量的懸殊,往往伴隨著類別內(nèi)樣本密度的差別很大。k-means聚類算法是被人們使用最普遍的一種聚類算法,但是利用該算法來處理數(shù)據(jù),容易選擇孤立點(diǎn)作為初始類中心,影響算法的執(zhí)行效果,因此,如何選擇合適的初始類中心成為一個(gè)亟待解決的問題。針對(duì)非平衡數(shù)據(jù),k-means聚類
2、算法對(duì)于包含樣本數(shù)目多的類別來說準(zhǔn)確率較高,但對(duì)于包含樣本數(shù)目少的類則很低。在非平衡數(shù)據(jù)集中樣本數(shù)目少的類別往往隱藏更多的信息,因此,準(zhǔn)確的找出少數(shù)類中的樣本具有重要的意義。
針對(duì)k-means聚類方法,本文對(duì)算法的初始類中心點(diǎn)的選擇做了研究,并針對(duì)非平衡數(shù)據(jù)的聚類問題,對(duì)類簇間相似性度量的計(jì)算方法做了研究。本文主要取得了以下研究成果:
?。?)結(jié)合譜聚類算法中的自適應(yīng)尺度和最大最小距離算法的思想,提出了基于稀疏度和距
3、離的初始類中心選擇算法。在選擇初始類中心時(shí)不僅考慮了初始類中心周圍樣本的分布,還考慮了不同初始類中心之間的距離。最后將提出的初始類中心選擇算法應(yīng)用于k-means和fuzzy k-means聚類算法的初始類中心選擇,在UCI和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明提出的算法是有效和可行的。
(2)受類簇間相似性度量方法中平均鏈接的啟發(fā),提出了類簇相似性的計(jì)算方法,并提出了基于類簇相似度矩陣的類簇合并算法。也就是在求類簇之間的相似性時(shí),在考慮
4、每個(gè)樣本的稀疏度的基礎(chǔ)上計(jì)算了所有樣本之間的平均相似度。最后將提出的類簇合并算法與改進(jìn)初始類中心選擇的k-means和fuzzy k-means聚類算法相結(jié)合,在非平衡數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明提出的算法是有效和可行的。
本文對(duì) k-means聚類算法的初始類中心選擇和非平衡數(shù)據(jù)的聚類問題進(jìn)行了一些研究,提出了Max_Min_SD算法和M_C_SA算法,通過實(shí)驗(yàn)表明了算法的有效性。在取得研究成果的同時(shí),本文還有一些需要改進(jìn)和探討的
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。
最新文檔
- K均值聚類算法初始聚類中心的選取與改進(jìn).pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 聚類數(shù)據(jù)挖掘在商場(chǎng)中的應(yīng)用及K-means聚類算法改進(jìn)研究.pdf
- K均值算法初始聚類中心選取相關(guān)問題研究.pdf
- 基于聚類融合投票和SVM的非平衡數(shù)據(jù)分類方法研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類與聚類集成研究.pdf
- 數(shù)據(jù)挖掘中聚類集成與半監(jiān)督聚類研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 數(shù)據(jù)挖掘中聚類問題的研究.pdf
- K-均值聚類算法初始中心選取相關(guān)問題的研究.pdf
- 聚類算法及其在頁面聚類中的應(yīng)用研究
- 數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 基于無指導(dǎo)的詞聚類及在文本聚類中應(yīng)用的研究.pdf
- 數(shù)據(jù)挖掘中的動(dòng)態(tài)聚類及增量研究.pdf
- 譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 聚類算法及其在頁面聚類中的應(yīng)用研究.pdf
- 數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究.pdf
- 數(shù)據(jù)開采中的聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類方法的研究.pdf
評(píng)論
0/150
提交評(píng)論