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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、長沙理工大學(xué)碩士學(xué)位論文K中心點(diǎn)和K均值聚類算法研究姓名:黃翔申請學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師:蔡碧野20120528ABSTRACTWiththerapiddevelopmentofinformationtechnologymoreandmoredataareaccumulatedHowtoobtainneededandvaluableinformationfromthevastamountsofdataisparti
2、cularlyimportantClusteranalysisisalleffectivewaytosolvetheproblemThestudyofexistingclusteringalgorithmhaspracticalsignificanceAccordingtothecalculationmethodofclusteringanalysis,theclusteringalgorithmCallbedividedinto:pa
3、rtitioning,hierarchicalmethods,densitybasedmethods,grid—basedmethods,modelbasedapproachThispaperstudiestwoclusteringalgorithms:basedonparticleswarmoptimization(PSO)andpartitionalaroundmedoids(PAM)clusteringalgorithm,base
4、donimprovedparticleSWarmoptimization(IPSO)KmeansclusteringalgorithmBasedonPSOandPAMclusteringalgorithmisproposed,fortheshortcomingofKmedoidswhichissensitivetoinitialvalue,andwherethereisalotofdoublecountingThemethodusest
5、hePSOalgorithmtooptimizethePAM,whichmaKesfulluseoftheadvantagesofbotllPSOandPAMfordifferentissuesandtocontinuouslyupdatetheclusteringcenterofPAMEntropy—basedclusteringvalidityfunctionisestablished,whichcallhelptoobjectiv
6、elyevaluatetheperformanceofthehybridclusteringalgorithmSimulationresultsverifythatthehybridclusteringmethodcallobtainhigllclusteringaccuracyrateBasedonIPSOKmeansclusteringalgorithmisproposedforKmeanswhichissensitivetoini
7、tialvalueandeasytofallintotheshortcomingoflocalconvergencePSOalgorithmisintroducedinDensitybasedclusteringcenterinitializationmethodisusedtoinitializetheparticleswarmforimprovingtheaccuracyoftheclustering;atthesametime,t
8、heinertiaweightofthePSOalgorithm,whichisweightbyasingleincrement,hasdescendedintolinearfirstincreaselessforeffectivelyimprovingthealgorithmperformanceFinallythroughsimulationexperiments,theeffectivenessofthealgorithmisve
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(huì)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(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)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(shí)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
- 無尺度圖k-中心點(diǎn)聚類算法研究.pdf
- K-均值聚類算法的研究與分析.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- K-均值聚類算法初始中心選取相關(guān)問題的研究.pdf
- k-中心平面聚類模型與算法研究.pdf
- 基于K-距離的孤立點(diǎn)和聚類算法研究.pdf
- 支持向量機(jī)與K-均值聚類融合算法研究.pdf
- 基于人工蜂群算法的改進(jìn)K-均值聚類算法及其應(yīng)用.pdf
- 基于K-均值聚類算法的Web日志挖掘技術(shù)的研究和應(yīng)用.pdf
- 基于自適應(yīng)粒子群的k-中心聚類算法研究.pdf
- K-均值聚類算法改進(jìn)及在服裝生產(chǎn)的應(yīng)用研究.pdf
- 自動(dòng)k-均值聚類的變量選擇與異常檢測.pdf
- 基于K-均值聚類遺傳算法的聯(lián)合選址庫存模型研究.pdf
- K-近鄰、K-均值及其在文本分類中的應(yīng)用.pdf
- 遙感圖像的K-均值聚類和分水嶺分割算法的研究與實(shí)現(xiàn).pdf
- 粗糙K-均值聚類算法及其在文物健康評價(jià)中的應(yīng)用研究.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)和K-均值聚類的分類器設(shè)計(jì).pdf
- 基于初始點(diǎn)選擇的K-均值聚類改進(jìn)算法及應(yīng)用研究.pdf
- gabor濾波器k-均值聚類pca小波變換論文
- 基于改進(jìn)K-均值算法的入侵檢測方法研究.pdf
評論
0/150
提交評論