2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩84頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、數(shù)據(jù)挖掘是近些年來發(fā)展起來的新技術(shù),通過數(shù)據(jù)挖掘,人們可以發(fā)現(xiàn)數(shù)據(jù)背后隱藏的有價值的、潛在的知識,為科學地進行各種商業(yè)決策提供強有力的支持。當今,數(shù)據(jù)挖掘已發(fā)展成一門跨越多領(lǐng)域的學科,已經(jīng)成為數(shù)據(jù)庫、模式識別、神經(jīng)網(wǎng)絡、統(tǒng)計學、計算智能等領(lǐng)域的研究者關(guān)注的熱點。 本文首先介紹了數(shù)據(jù)挖掘研究的相關(guān)背景,對數(shù)據(jù)挖掘中的聚類分析的相關(guān)工作作一個簡要的概述,并且結(jié)合車險業(yè)務中的挖掘主題,詳細分析了聚類技術(shù)在車險業(yè)務中的應用。其應用主題主

2、要在三方面:客戶細分,欺詐識別和客戶投保行為分析。 本文研究了現(xiàn)有的迭代優(yōu)化聚類的初始化方法:即采樣法,密度估計法以及距離優(yōu)化法,分析了它們的優(yōu)缺點,提出一種新的基于層次聚類算法的初始化方法。該方法能夠找到較為自然的初始聚類中心,且對孤立點和噪聲有較強的抑制,適用于大規(guī)模數(shù)據(jù)的聚類初始化。K-means算法是聚類算法中主要算法之一,它是一種基于劃分的聚類算法。該算法隨機選取K(K為聚類數(shù))個點作為初始聚類中心,通過一個迭代過程完

3、成聚類。如果初始聚類中心選取不合理,就會誤導聚類過程,得到一個不合理的聚類結(jié)果。本文用新的聚類初始化方法K-means算法中初值選取方法進行了改進,采用對數(shù)據(jù)集進行均勻采樣,得到一個能在一定程度上代表原數(shù)據(jù)集特征的子集,在子集中采用層次聚類算法得到k個聚類中心,最后在原數(shù)據(jù)集上以這k個聚類中心最近的點作為初始聚類中心進行K-means算法聚類。由于層次聚類算法是在一個小數(shù)據(jù)集上運行的,計算量不會很大。在進行K-means算法聚類時,由于

4、初始聚類中心接近真實值,可以大大提高聚類效果。 K-means算法在運行過程中需要不斷迭代,直到終止于局部最優(yōu)解。這一過程反復計算比較,計算量較大時對算法效率有較大影響。本文提出一種基于內(nèi)積不等式的改進方法,內(nèi)積不等式是基于數(shù)據(jù)點的模和向量內(nèi)積的不等式,并且改寫了K-means算法處理過程。通過實驗驗證了可行性。 本文針對數(shù)據(jù)挖掘聚類算法在車險業(yè)務分析中的應用,結(jié)合實際應用設計并實施了一個車險CRM數(shù)據(jù)挖掘原型系統(tǒng)。本文

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。

評論

0/150

提交評論