已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀
版權說明: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,請進行舉報或認領
文檔簡介
1、信息技術的不斷發(fā)展導致持續(xù)的數(shù)據(jù)收集和快速的數(shù)據(jù)積累.空間數(shù)據(jù)挖掘是在空間數(shù)據(jù)庫中提取隱藏的未知模式,而空間聚類是空間數(shù)據(jù)挖掘中一個活躍的研究領域. 本文第一部分提出了一種新穎的啟發(fā)式選擇邊界對象的快速空間聚類算法DBSB,通過一個啟發(fā)式函數(shù)近似選擇相對于某個已知核心對象邊界區(qū)域中的核心對象和邊界對象,通過核心對象的序列來快速地擴展它們所在的簇,直至找到一些較小的簇.在此基礎上再通過邊界對象快速地合并某些簇,即算法通過兩步聚類,
2、達到最終的聚類.理論分析和實驗結果表明該算法有效可行. 隨著分布式計算環(huán)境的廣泛應用,由于數(shù)據(jù)和計算能力分布在不同的節(jié)點,本文第二部分設計了一種基于反向k近鄰的分布式聚類算法DCRkNN,該算法在分布式數(shù)據(jù)挖掘的框架下利用反向k近鄰的性質,分三個不同的階段進行分布式聚類.首先是局部模型的確立,通過局部模型來近似壓縮局部站點的數(shù)據(jù)集;其次在中央站點整合各分布的局部模型建立全局模型,最后根據(jù)全局模型更新所有局部模型.同時DCRkNN
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
- 障礙空間聚類算法研究.pdf
- 基于空間實體聯(lián)系的空間聚類算法研究.pdf
- 基于密度的空間聚類算法研究.pdf
- 約束子空間聚類算法研究.pdf
- 基于密度的空間聚類算法的研究.pdf
- 子空間高維聚類算法的研究.pdf
- 基于空間單元密度的聚類算法研究.pdf
- 基于密度的子空間聚類算法研究.pdf
- 改進的稀疏子空間聚類算法研究.pdf
- 稀疏子空間聚類算法的改進研究.pdf
- 子空間聚類算法的研究及應用.pdf
- 面向分類數(shù)據(jù)的子空間聚類算法研究.pdf
- 圖像子空間聚類與分類算法研究.pdf
- 軟子空間聚類算法研究及其應用.pdf
- 基于空間約束的半監(jiān)督子空間聚類算法.pdf
- 空間對象和移動對象聚類算法研究.pdf
- 高維數(shù)據(jù)子空間聚類算法研究.pdf
- 基于GIS的空間聚類算法的研究與應用.pdf
- 改進的子空間聚類算法研究及實現(xiàn).pdf
- 基于花朵授粉算法的軟子空間聚類算法優(yōu)化研究.pdf
評論
0/150
提交評論