已閱讀1頁，還剩54頁未讀， 繼續(xù)免費閱讀
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、隨著信息時代的來臨，各行各業(yè)的繁榮與發(fā)展都離不開知識發(fā)現(xiàn)。知識庫中數(shù)據(jù)規(guī)模的不斷擴大，從海量的數(shù)據(jù)中萃取出其中隱藏或潛在的知識和規(guī)則是對未來的決策十分重要的。本文主要研究聚類算法。聚類算法是一種無監(jiān)督的學(xué)習(xí)算法，目的就是把所給的數(shù)據(jù)元素劃分到相似的數(shù)據(jù)分組之中，這個數(shù)據(jù)分組就叫做簇。 本文主要研究粗糙集與聚類算法之間結(jié)合而產(chǎn)生的粗糙聚類算法。采用Z.Pawlak教授(1982)提出的關(guān)于粗糙集的3條基本性質(zhì)，對一種劃分的聚類算法
2、——PAM算法進行改進得到粗糙的PAM聚類算法。對比P.Lingras教授(2002)提出的粗糙K-means算法而言減少了兩個初始參數(shù)。并且進行試驗得到了較好的實驗結(jié)果。 本文對Huang(1997)提出的對混合性數(shù)據(jù)進行聚類的K-means算法。進行改進，得到一種新的處理混合型數(shù)據(jù)的K-means聚類算法。并且通過UCI數(shù)據(jù)進行試驗，得到較好的實驗結(jié)果。 最后本文為了試驗需要設(shè)計了一種基于B/S構(gòu)架的聚類算法系統(tǒng)。集
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(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
- 基于粗糙集的聚類算法研究.pdf
- 基于魚群與粗糙集的聚類算法研究.pdf
- 基于蜂群和粗糙集的聚類算法研究.pdf
- 基于決策粗糙集的面向知識自動聚類及應(yīng)用研究.pdf
- 基于粗糙集理論的聚類研究.pdf
- 基于遺傳算法和粗糙集的聚類算法研究.pdf
- 基于粒計算和粗糙集的聚類算法研究.pdf
- 基于粗糙集的類別數(shù)據(jù)聚類算法研究.pdf
- 基于粒子群和粗糙集的聚類算法研究.pdf
- 基于陰影集和粗糙集的模糊聚類算法研究與應(yīng)用.pdf
- 基于粗糙集的聚類算法及其在入侵檢測中的應(yīng)用.pdf
- 基于粗糙集和遺傳算法的聚類方法研究.pdf
- 基于粗糙集和包含度的聚類分類算法研究.pdf
- 基于粗糙集-思維進化算法的應(yīng)用研究.pdf
- 基于粗糙集的模糊聚類及其圖像分割應(yīng)用.pdf
- 基于粗糙集分類算法的研究及應(yīng)用.pdf
- 基于粗糙集的屬性約簡算法及其應(yīng)用研究.pdf
- 粗糙集方法及應(yīng)用研究.pdf
- 基于粗糙集的知識約簡算法研究及應(yīng)用.pdf
- 基于粗糙集的特征選擇算法研究及應(yīng)用.pdf
評論
0/150
提交評論