2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩81頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘是近些年來發(fā)展起來的新技術(shù),通過數(shù)據(jù)挖掘,人們可以發(fā)現(xiàn)數(shù)據(jù)背后隱藏的有價值的、潛在的知識,為科學地進行各種商業(yè)決策提供強有力的支持。當今,數(shù)據(jù)挖掘已展成一門跨越多領(lǐng)域的學科,已經(jīng)成為數(shù)據(jù)庫、模式識別、神經(jīng)網(wǎng)絡、統(tǒng)計學、計算智能等領(lǐng)域的研究者關(guān)注的熱點。 本文首先介紹了數(shù)據(jù)挖掘研究的相關(guān)背景,對數(shù)據(jù)挖掘中的聚類分析的相關(guān)工作作了一個簡要的概述,并對處理高維數(shù)據(jù)的聚類算法進行了較為深入的分析研究。 本文針對類別數(shù)據(jù)的

2、特點,提出了一種基于覆蓋率的類別數(shù)據(jù)聚類算法CCCD。實驗結(jié)果表明CCCD算法能夠有效地處理大量類別數(shù)據(jù)的聚類問題。并且通過分析CCCD算法的計算復雜度和時空復雜度,發(fā)現(xiàn)CCCD算法在這兩方面較其它聚類算法都有較為明顯的優(yōu)勢。 針對高維復雜數(shù)據(jù)的聚類問題,本文對利用神經(jīng)網(wǎng)絡方法進行聚類分析作了較為深入的研究。在傳統(tǒng)的SOM聚類算法的基礎(chǔ)上,著重研究了基于子空間的神經(jīng)網(wǎng)絡模型ASSOM和PCASOM,并在其基礎(chǔ)上提出了一種能夠根據(jù)

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。

評論

0/150

提交評論