数据挖掘中聚类算法的研究
聚类算法论文 C均值算法论文 密度聚类算法论文 层次聚类算法论文 免疫算法论文
论文详情
随着信息技术的迅速发展,人们积累了大量的数据。如何从这些冗余数据中提出对人们有用的信息就成了如今亟需要解决的问题。数据挖掘技术就在这种背景下应运而生,并且发展了几年就已经成为目前数据库和信息决策领域最为热门的课题和方向之一。作为数据挖掘中的一个重要分支,聚类分析是通过分析数据的相似性把大型数据集合分类,使得在同一个类里面的数据最为相似,而不同类中的数据又彼此相异,得到很好的分类效果。本文主要研究了聚类算法,所做的主要工作如下:1.利用密度聚类算法收敛速度快,层次聚类算法可以在不同粒度水平上对数据进行探测,而且容易实现相似度量或距离度量的优点,发现了一种新的基于密度的层次聚类算法,克服了层次聚类算法时间复杂度的问题,得到比较好的聚类结果。2.将免疫算法引入模糊聚类算法,克服了模糊聚类算法对初始值敏感容易陷入局部最优的问题。新的聚类算法能够在不给定初始簇数目的条件下得到准确的聚类结果。3.结合传统聚类算法与模糊聚类算法。利用密度算法对中心点不敏感的优点,将密度算法应用于模糊聚类,得到新的聚类算法应用于数据量大的数据集时,它的准确率要明显高于模糊聚类算法和免疫算法。
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第9-15页 |
1.1 数据挖掘概述 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 数据挖掘的应用与发展趋势 | 第11-14页 |
1.4 本文的内容及结构安排 | 第14-15页 |
第二章 聚类技术及其发展 | 第15-27页 |
2.1 聚类分析概述 | 第15-16页 |
2.2 聚类分析中的数据结构和数据类型 | 第16-18页 |
2.2.1 聚类分析中的数据结构 | 第16-17页 |
2.2.2 聚类分析中的数据类型 | 第17-18页 |
2.3 传统聚类算法 | 第18-26页 |
2.3.1 基于划分的聚类算法 | 第18-21页 |
2.3.2 基于密度的聚类算法 | 第21-23页 |
2.3.3 基于层次的聚类算法 | 第23-26页 |
2.4 本章小结 | 第26-27页 |
第三章 改进的传统聚类算法 | 第27-31页 |
3.1 层次聚类算法描述 | 第27-28页 |
3.2 基于密度算法的层次聚类算法 | 第28-30页 |
3.3 仿真实验结果比较与分析 | 第30页 |
3.4 本章小结 | 第30-31页 |
第四章 扩展聚类算法的应用 | 第31-38页 |
4.1 模糊聚类算法发展概况 | 第31-33页 |
4.2 模糊C均值聚类算法及其步骤 | 第33-34页 |
4.3 自适应模糊C均值聚类算法 | 第34-37页 |
4.4 本章小结 | 第37-38页 |
第五章 模糊聚类算法与传统聚类算法的结合应用 | 第38-42页 |
5.1 基于密度的聚类算法介绍 | 第38-39页 |
5.2 模糊聚类算法与密度聚类算法的结合应用 | 第39页 |
5.3 仿真模拟实验 | 第39-40页 |
5.4 本章小结 | 第40-42页 |
第六章 结论与展望 | 第42-43页 |
6.1 结论 | 第42页 |
6.2 展望 | 第42-43页 |
参考文献 | 第43-48页 |
致谢 | 第48-49页 |
附录 (攻读硕士学位期间发表录用论文) | 第49页 |
论文购买
论文编号
ABS934199,这篇论文共49页
会员购买按0.30元/页下载,共需支付
14.7。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
24.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文