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66頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著信息技術(shù)的不斷發(fā)展,人們已經(jīng)積累了越來越多的數(shù)據(jù)。面對這些數(shù)據(jù),如何從中找出對生產(chǎn)生活有用的知識已成為數(shù)據(jù)挖掘、模式識別和機(jī)器學(xué)習(xí)等領(lǐng)域的一個(gè)重要研究問題。K-means聚類算法是幫助人們解決這一問題的重要手段之一。
  K-means聚類算法由于它的高效性及簡單性,已被廣泛的應(yīng)用于各個(gè)行業(yè)與領(lǐng)域。然而K-means聚類算法的效果受兩個(gè)與生俱來的問題影響,一個(gè)是確定簇的個(gè)數(shù)的問題,也就說模型選擇問題;另一個(gè)是它的局部優(yōu)化問題,

2、這使得聚類結(jié)果非常依賴于初始中心的位置。Li Mark提出的凝聚模糊K-means算法可以有效的避免這兩個(gè)問題。本文基于該算法,對以下三個(gè)方面問題的做了研究:
  (1)多級密度數(shù)據(jù)(不同密度且具有層級結(jié)構(gòu)簇?cái)?shù)據(jù))的聚類問題。本文首先基于凝聚模糊K-means算法,提出一種Clustering Tree算法。該算法通過層次式的使用凝聚模糊 K-means算法,并結(jié)合簇評估和高斯分布檢測的辦法去生成一棵聚類樹,從而解決經(jīng)不同密度且具

3、有層級結(jié)構(gòu)簇的數(shù)據(jù)的聚類問題。經(jīng)實(shí)驗(yàn)驗(yàn)證,該算法能有效的解決這種數(shù)據(jù)的聚類問題,同時(shí)由于這棵樹反映了各個(gè)簇之間的結(jié)構(gòu)關(guān)系,其還很有利于發(fā)現(xiàn)更有用的信息。
 ?。?)含有少量先驗(yàn)信息數(shù)據(jù)的聚類問題?;贑lustering Tree算法提出了半監(jiān)督Clustering Tree算法,該算法利用數(shù)據(jù)中的一些先驗(yàn)信息去解決半監(jiān)督聚類的問題,并通過實(shí)驗(yàn)驗(yàn)證了該算法的性能。
 ?。?)應(yīng)用本文所提出的Clustering Tree的聚

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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