大規(guī)模數(shù)據(jù)聚類分析方法研究.pdf_第1頁
已閱讀1頁,還剩121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、聚類分析是數(shù)據(jù)挖掘與模式識別等領(lǐng)域的一個重要的研究課題。隨著IT技術(shù)的迅猛發(fā)展,人們應(yīng)用的數(shù)據(jù)庫的規(guī)模和應(yīng)用的范圍不斷地擴大,數(shù)據(jù)采集技術(shù)不斷更新,人們快速產(chǎn)生和收集數(shù)據(jù)的能力不斷增強,大規(guī)模數(shù)據(jù)集受到了整個社會的廣泛關(guān)注。大規(guī)模數(shù)據(jù)集的出現(xiàn)給數(shù)據(jù)聚類分析的許多算法帶來了極大的挑戰(zhàn),許多算法變得不能很好地、甚至不能對大規(guī)模的數(shù)據(jù)集進行有效地聚類分析。如何使這些算法能夠有效地處理大規(guī)模數(shù)據(jù)集已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域的一大研究熱點。本文在對現(xiàn)有

2、數(shù)據(jù)聚類算法的相關(guān)研究進行總結(jié)的基礎(chǔ)之上,以一些真實和人造的大規(guī)模數(shù)據(jù)集為應(yīng)用背景,深入研究了大規(guī)模數(shù)據(jù)集數(shù)據(jù)聚類分析算法中的如下幾個關(guān)鍵問題。
 ?。?)針對大規(guī)模數(shù)據(jù)集k-means算法因為容易收斂于局部最優(yōu)解而產(chǎn)生的聚類結(jié)果的質(zhì)量不高、對初始聚類中心點敏感的問題,提出了基于最大三角形法則的k-means聚類算法和基于最大三角形法則的半監(jiān)督k-means聚類算法,通過利用最大三角形法則選取初始聚類中心和借鑒半監(jiān)督聚類的思想,提

3、高了算法處理大規(guī)模數(shù)據(jù)集的聚類結(jié)果的質(zhì)量和穩(wěn)定性。
 ?。?)針對譜聚類算法在處理大規(guī)模數(shù)據(jù)集時計算復(fù)雜度高的問題,提出了一種基于Nystr(o)m方法的快速譜聚類算法。該算法利用有約束的抽樣模型和Nystr(o)m方法降低了譜聚類算法的計算復(fù)雜度,提高了聚類結(jié)果的質(zhì)量。
 ?。?)針對最小距離分類法和最近鄰分類法在訓(xùn)練樣本很少或訓(xùn)練樣本偏離類中心較遠時,分類效果較差的問題,提出了基于均值更新(MU)的分類模型和基于均值更新

4、的最小距離(MU-MD)分類模型,通過糾正MU分類過程中的錯分,提高分類效果。在此分類模型的基礎(chǔ)上,針對常用聚類方法在大規(guī)模數(shù)據(jù)處理上的不足,提出了一種劃分聚類新方法。該方法采用了大規(guī)模數(shù)據(jù)集的抽樣技術(shù),對多次抽取的規(guī)模足夠大的樣本進行聚類以確定自然簇質(zhì)心的初始位置,在此基礎(chǔ)上采用抽樣后剩余數(shù)據(jù)樣本對質(zhì)心的初始位置進行更新,以便校正偏離理想位置的初始質(zhì)心。實驗結(jié)果表明本文提出的新聚類算法不僅能得到比常用聚類算法更理想的結(jié)果,而且運行速度

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(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。

最新文檔

評論

0/150

提交評論