2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩71頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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(jiǎn)介

1、近年來(lái),數(shù)據(jù)挖掘逐漸成為研究的熱點(diǎn)。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)知識(shí),源于諸如數(shù)據(jù)庫(kù)系統(tǒng)、數(shù)據(jù)倉(cāng)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、信息檢索和高性能計(jì)算。獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用,包括商務(wù)管理、生產(chǎn)控制、市場(chǎng)分析、工程設(shè)計(jì)和科學(xué)探索等。 聚類(lèi)就是將數(shù)據(jù)對(duì)象分組成為多個(gè)類(lèi)或簇,在同一個(gè)簇中的對(duì)象之間具有較高的相似度,而不同簇中的對(duì)象差別較大。聚類(lèi)是數(shù)據(jù)挖掘的一個(gè)活躍的研究領(lǐng)域,對(duì)聚類(lèi)的研究與實(shí)現(xiàn)具有重要的理論與實(shí)踐意義。

2、 本文研究數(shù)據(jù)挖掘中的聚類(lèi)算法。針對(duì)現(xiàn)有的聚類(lèi)算法中存在的問(wèn)題,提出了幾個(gè)新穎的算法。本文的主要貢獻(xiàn)和創(chuàng)新工作包括: 1)為提高密度聚類(lèi)算法效率并處理非空間屬性約束,提出了基于網(wǎng)格和密度的聚類(lèi)算法(GDBS)。GDBS具有密度算法的優(yōu)點(diǎn),也就是能發(fā)現(xiàn)各種形狀的聚類(lèi)并能屏蔽噪聲點(diǎn),而且執(zhí)行效率還明顯優(yōu)于密度算法。 2)研究了CHAMELEON算法,剖析了在類(lèi)間密度相差不是特別大時(shí),該算法不能作出正確聚類(lèi)的原因。通過(guò)實(shí)

3、驗(yàn)發(fā)現(xiàn)嚴(yán)格k-最臨近集(SKNN<'k>)比一般的k-最臨近集(KNN<'k>)更能反映數(shù)據(jù)集密度的變化。 3)引入SKNN<'k>和LIN<'k>,用新的SIM(A,B)作為相似度指標(biāo)代替RI(A,B),對(duì)CHAMELEON作了一種改進(jìn)。本算法可以很好的區(qū)分不同密度、形狀和大小的類(lèi),并且抗噪能力較好。算法對(duì)參數(shù)的選擇也不是很敏感。 4)基于嚴(yán)格最近鄰和共享最近鄰的思想,提出一種新的相似度標(biāo)準(zhǔn),并設(shè)計(jì)出一種新的SKNN聚

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論