已閱讀1頁，還剩61頁未讀， 繼續(xù)免費閱讀
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、隨著信息系統(tǒng)的廣泛使用，產(chǎn)生了大量的數(shù)據(jù)，如何充分利用這些數(shù)據(jù)，發(fā)掘出有用的知識，是人們非常關(guān)心的問題。聚類是數(shù)據(jù)挖掘中一種重要的方法，隨著核方法的提出，將核方法應(yīng)用于聚類算法成為幫助人們解決數(shù)據(jù)挖掘問題的新的重要的方法。
本文主要研究聚類算法中的兩種經(jīng)典的算法：K均值算法與模糊C均值（Fuzzy C-means,FCM）算法。首先，對K均值算法進行研究與分析，提出了一種改進的K均值算法。其次，在FCM算法的基礎(chǔ)上結(jié)合核方法理
2、論，提出了兩種新的基于核方法的聚類算法，本文的主要工作如下：
1、提出了一種基于初始點優(yōu)化與迭代優(yōu)化的K均值算法，該算法不是隨機選取初始聚類中心而是采用基于最小距離的初始聚類中心選取法。聚類中心的調(diào)整不是取平均值而是選用離平均值最近的點作為新的聚類中心，這樣就克服了孤立點的影響。最后對迭代運算進行了優(yōu)化使得算法的計算效率得到了提高。
2、提出了一種基于混合核函數(shù)的模糊C均值算法，構(gòu)造了一種外推與內(nèi)推能力都很強的混合核
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。
- 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。
最新文檔
- 基于入侵雜草算法的數(shù)據(jù)挖掘聚類算法研究.pdf
- 數(shù)據(jù)挖掘聚類算法研究.pdf
- 基于數(shù)據(jù)挖掘聚類算法的研究及其應(yīng)用.pdf
- 基于聚類和支持向量機的數(shù)據(jù)挖掘方法研究.pdf
- 基于聚類算法的數(shù)據(jù)挖掘技術(shù)的研究.pdf
- 數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 基于Storm的流數(shù)據(jù)聚類挖掘算法的研究.pdf
- 基于核學(xué)習(xí)方法的聚類算法研究.pdf
- 基于圖聚類的社會網(wǎng)絡(luò)數(shù)據(jù)挖掘算法研究.pdf
- 基于仿射傳播聚類的數(shù)據(jù)挖掘算法研究.pdf
- 數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法研究.pdf
- 基于混合蛙跳的數(shù)據(jù)挖掘模糊聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究.pdf
- 基于可拓聚類方法的數(shù)據(jù)挖掘研究.pdf
- 數(shù)據(jù)挖掘中基于遺傳算法的聚類方法應(yīng)用研究.pdf
- 數(shù)據(jù)挖掘聚類算法的分析和應(yīng)用研究.pdf
- 數(shù)據(jù)挖掘中增量聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法研究.pdf
評論
0/150
提交評論