已閱讀1頁,還剩61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、聚類是數(shù)據(jù)挖掘領(lǐng)域最為重要的技術(shù)之一,用于發(fā)現(xiàn)在數(shù)據(jù)庫中未知的對象類。聚類挖掘已經(jīng)被廣泛的研究了許多年,主要集中在基于距離的聚類挖掘上,其中以k-means(k均值)算法最為經(jīng)典。針對k-means算法存在的一些不足,許多專家學者對其做出過改進,盡管這些改進使算法的效率或者是穩(wěn)定性得到一定的提高,但并非沒有繼續(xù)提高的空間,特別是在k-means初始化算法,和k-means聚類穩(wěn)定性上,還有待提高。本文基于擴展的二叉排序樹,對k-mean
2、s初始化算法做出了新的改進,提高了聚類結(jié)果的穩(wěn)定性和準確率。另一方面,針對大型數(shù)據(jù)集的聚類,本文對RA算法做出了新的改進,提高了聚類的準確率。 本文主要工作包括: (1) 深入研究和分析了聚類算法中的經(jīng)典算法k-means算法,并以試驗的方式證明和分析了k-means算法存在的缺點。 (2) 基于擴展的二叉排序樹,對k-means初始化算法做出了改進,改善了k-means算法由隨機初始化帶來的聚類不穩(wěn)定、容易陷入
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
- 聚類算法的研究.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 演化聚類算法研究.pdf
- 模糊聚類算法及其聚類有效性的研究.pdf
- 空間聚類算法的研究.pdf
- 基于FCM的類合并聚類算法研究.pdf
- 重疊聚類和屬性圖聚類算法研究.pdf
- 聚類算法及基于簇模式聚類集成研究.pdf
- 改進的密度聚類算法研究.pdf
- 基于覆蓋的聚類算法研究.pdf
- 調(diào)整學習聚類算法的研究.pdf
- 模糊聚類新算法的研究.pdf
- 模糊聚類算法研究.pdf
- 聚類問題算法研究.pdf
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
- Web事務(wù)聚類中模糊聚類算法的應(yīng)用研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于類電磁機制的聚類算法研究
- 聚類集成算法研究.pdf
- 反饋式聚類算法研究.pdf
評論
0/150
提交評論