

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、計算機技術(shù)的普及使得各行各業(yè)積累了大量的數(shù)據(jù)信息,人工處理這些大規(guī)模的數(shù)據(jù)已變得不現(xiàn)實。因此,數(shù)據(jù)挖掘技術(shù)應(yīng)運而生了。在數(shù)據(jù)挖掘領(lǐng)域中聚類技術(shù)是其中的一個熱點,聚類是以某種相似性度量方法對數(shù)據(jù)集中的對象進行度量,依據(jù)某種聚類策略把相似性大的對象劃分到同一簇中,把相似性小的對象劃分到不同的簇中,從而使同一個簇中對象的相似性最大,不同簇間對象相似性最小。不同的單一聚類算法都有一定的適應(yīng)范圍和適應(yīng)于不同分布的數(shù)據(jù)集結(jié)構(gòu)。有些聚類算法在數(shù)據(jù)量較
2、小時表現(xiàn)出較好的性能,但是無法勝任在大規(guī)模數(shù)據(jù)集上聚類;有些聚類算法比較傾向發(fā)現(xiàn)均勻分布的凸?fàn)畲兀挥行┚垲愃惴ㄒ髷?shù)據(jù)集的數(shù)據(jù)分布要比較緊湊;有些聚類算法對離群點比較敏感。單個聚類算法都有一定的局限性,而對多個聚類算法進行融合可以解決上述問題。對多個聚類算法進行融合能夠提高系統(tǒng)的泛化能力和穩(wěn)定性,而且對有差異的聚類算法進行集成還能提高聚類的準(zhǔn)確率。
本文對聚類技術(shù)和聚類集成技術(shù)進行了研究。簡單介紹了聚類算法的種類及其代表算
3、法。簡述了聚類過程中的主要步驟,聚類分析中常見的數(shù)據(jù)類型及各種類型數(shù)據(jù)對象的相似性度量方法。對層次聚類算法進行了較深入的研究,并提出了一種基于代表點的改進的快速聚類算法(REPBFC,REpresentative-Points Based Fast Clustering)。該算法是一種凝聚型層次聚類算法,在簇的合并過程中,選用一定數(shù)量的代表點代表一個簇,從而能識別非凸?fàn)畈灰?guī)則的簇;根據(jù)90_10規(guī)則的特性,分兩個階段完成聚類操作,與傳統(tǒng)
4、的聚類算法相比降低了算法的時間復(fù)雜度。介紹了聚類集成的研究熱點,如何生成有差異的聚類集體和基于互信息的聚類集體差異性度量方法;介紹了常見的共識函數(shù)的設(shè)計方法。本文中給出了由多個聚類結(jié)果所組成的簇模式的概念,并提出了兩種基于簇模式的聚類集成共識函數(shù)設(shè)計方法ECBCMP(Ensemble Clustering algorithm Based on Cluster-Mode and Partitioning methods)和ECCCM(En
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
- 聚類集成算法研究.pdf
- 基于層次聚類的簇集成方法研究.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 聚類集成算法及應(yīng)用研究.pdf
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
- 挖掘任意形狀簇的聚類算法研究.pdf
- 基于簇相合性的文本增量聚類算法研究.pdf
- 基于密度的聚類集成.pdf
- 基于概率模型的聚類集成算法.pdf
- XML聚類集成研究.pdf
- 基于多分類器集成的聚類算法研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類與聚類集成研究.pdf
- 基于模塊性的簇結(jié)構(gòu)檢測圖聚類算法研究.pdf
- 基于FCM的類合并聚類算法研究.pdf
- 基于權(quán)重設(shè)計的聚類集成算法研究.pdf
- 基于類電磁機制的聚類算法研究
- 基于模式相似的子空間聚類算法研究.pdf
- 基于序列模式的序列聚類挖掘算法研究.pdf
- 重疊聚類和屬性圖聚類算法研究.pdf
評論
0/150
提交評論