

版權(quán)說(shuō)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(jiǎn)介
1、近年來(lái)興起的數(shù)據(jù)挖掘技術(shù)是一種能夠自動(dòng)處理海量數(shù)據(jù)資源并將其轉(zhuǎn)化為有意義知識(shí)的有利工具。聚類分析作為數(shù)據(jù)挖掘領(lǐng)域的關(guān)鍵技術(shù),近年來(lái)已經(jīng)逐漸成為業(yè)界內(nèi)的研究熱點(diǎn),是一個(gè)富有挑戰(zhàn)性的研究課題。它可以按照事物間的相似性用數(shù)學(xué)的方法研究和處理給定對(duì)象的分類,在此過(guò)程中并沒(méi)有教師的指導(dǎo),是一種無(wú)監(jiān)督的分類方法。 本文對(duì)現(xiàn)有聚類技術(shù)進(jìn)行了較深入的研究。首先,在分析傳統(tǒng)聚類算法的基礎(chǔ)上,針對(duì)傳統(tǒng)算法的不足,基于智能融合互補(bǔ)的觀點(diǎn),將研究重點(diǎn)放
2、在了基于智能融合技術(shù)的聚類算法方面,討論基于計(jì)算智能的聚類方法。計(jì)算智能的方法具有良好的優(yōu)化特性和自學(xué)習(xí)、自適應(yīng)能力。將其引入到聚類分析中,得到的智能聚類算法不僅可以克服傳統(tǒng)算法的缺點(diǎn),而且具有較高的聚類有效性和可用性。 其次,本文通過(guò)對(duì)現(xiàn)有的幾種智能聚類方法的深入分析和討論,綜合其缺點(diǎn)和不足,以數(shù)據(jù)分析為中心,提出了解決方案,即基于克隆網(wǎng)絡(luò)的聚類算法。該算法將免疫克隆策略用于網(wǎng)絡(luò)結(jié)構(gòu)聚類中,結(jié)合改進(jìn)的變異算子和禁忌克隆操作對(duì)原
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
- 聚類算法及其在頁(yè)面聚類中的應(yīng)用研究
- 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
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 網(wǎng)絡(luò)文本信息聚類算法研究與應(yīng)用.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(yè)面聚類中的應(yīng)用研究.pdf
- 劃分聚類與基于密度聚類算法的改進(jìn)方法研究.pdf
- 聚類算法的研究與應(yīng)用.pdf
- 密度聚類算法的研究與應(yīng)用
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 密度聚類算法的研究與應(yīng)用.pdf
- 聚類方法在生物數(shù)據(jù)中的研究與應(yīng)用-基因表達(dá)數(shù)據(jù)聚類方法研究.pdf
- K-medoids聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于改進(jìn)蟻群算法的PPI網(wǎng)絡(luò)聚類方法研究與應(yīng)用.pdf
- 基于聚類的智能推薦算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究與應(yīng)用.pdf
- 譜聚類算法的研究與應(yīng)用.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 層次聚類算法的研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論