數(shù)據(jù)挖掘聚類算法在服裝業(yè)的應(yīng)用.pdf

1、隨著信息技術(shù)的不斷發(fā)展，海量高維數(shù)據(jù)的不斷涌現(xiàn)，企業(yè)迫切需要高效、精確、科學(xué)的分析數(shù)據(jù)。而近年來(lái)，高維數(shù)據(jù)集的增長(zhǎng)如此之快，傳統(tǒng)的數(shù)據(jù)庫(kù)查詢方法不足以提取有用信息，因此研究人員不得不開(kāi)發(fā)新的技術(shù)，以滿足更高的要求。
　　目前，數(shù)據(jù)挖掘技術(shù)已經(jīng)逐漸步入了實(shí)用的階段，同時(shí)也將逐步融入人們的日常生活并帶來(lái)各種服務(wù)與便利。在數(shù)據(jù)挖掘的聚類分析過(guò)程中，面臨的最大挑戰(zhàn)就是不能在高維數(shù)據(jù)集（如微陣列基因數(shù)據(jù)）中正常工作，大多數(shù)時(shí)候由于負(fù)面影響以

2、及一些異常值導(dǎo)致結(jié)果不精確，而且面對(duì)維數(shù)的增加計(jì)算的復(fù)雜度也迅速增加。因此本文在目前的聚類分析研究的基礎(chǔ)上提出了一種融合了降維法、主成分分析法、平均距離法等三種方法的混合高維聚類算法，并且將該算法應(yīng)用到服裝企業(yè)的實(shí)際生產(chǎn)、目標(biāo)市場(chǎng)的確定以及產(chǎn)品改良等環(huán)節(jié)中。
　　針對(duì)新的聚類算法，本文做了以下相關(guān)工作:
　　首先，綜述了數(shù)據(jù)挖掘中聚類算法的研究現(xiàn)狀，對(duì)數(shù)據(jù)挖掘技術(shù)以及其中的聚類分析的種類、應(yīng)用進(jìn)行闡述，并比較了當(dāng)前主要的幾個(gè)

3、聚類算法。
　　其次，研究了高維聚類的特點(diǎn)和當(dāng)前主要的高維聚類方法，針對(duì)聚類高維數(shù)據(jù)時(shí)面臨的問(wèn)題，提出了相應(yīng)的解決方案。
　　然后，對(duì)傳統(tǒng)聚類算法不能滿足高維數(shù)據(jù)的狀況，在傳統(tǒng)聚類算法的基礎(chǔ)上，提出了一種混合高維聚類算法，給出了算法的步驟及偽代碼;并通過(guò)4個(gè)數(shù)據(jù)集對(duì)該聚類算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，并和傳統(tǒng)的聚類方法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明提高了準(zhǔn)確度，減少了平均執(zhí)行時(shí)間，且有更好的準(zhǔn)確性和效率。
　　最后，本文對(duì)數(shù)據(jù)挖掘技術(shù)在服