基于復雜屬性相似度的聚類算法研究及應用.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、聚類分析作為一種能準確歸類數(shù)據(jù)到適合類別的技術,在市場細分中有著廣泛應用。隨著企業(yè)經(jīng)營業(yè)務的多元化和企業(yè)對客戶重視程度的不斷加強,描述客戶特征的屬性也在不斷細化,這使得客戶信息數(shù)據(jù)的維度不斷提高。數(shù)據(jù)的高維性,使得聚類算法面臨稱為“維災”的難題已經(jīng)越來越引起人們的關注。
   由于基于選維和降維的高維聚類算法需要放棄某些維度上的信息,使得這類方法不能較好的滿足實際的需要。如何在確保各個數(shù)據(jù)維度信息完整的情況下進行聚類分析是高維聚

2、類領域研究的重點。本文主要研究高維聚類算法中基于對象相似性的聚類算法,主要進行了以下幾項研究:
   (1)討論了聚類分析的一般過程,分析了五類傳統(tǒng)聚類算法和三類高維聚類算法。重點研究了基于對象相似性聚類算法中的相似性度量函數(shù)和圖的分割算法。
   (2)針對企業(yè)市場調(diào)查數(shù)據(jù)特點,根據(jù)屬性相似度度量思想,提出了一種面向復雜屬性的聚類算法。該算法首先對數(shù)據(jù)屬性進行分類,然后根據(jù)相似性建立圖模型,最后對圖進行分割與聚類。該算

3、法能在保證數(shù)據(jù)信息完整的同時有效處理高維數(shù)據(jù)和復雜屬性。算法在參數(shù)調(diào)節(jié)時,不需遍歷原始數(shù)據(jù),有效提高了運算效率;該算法不需指定初始聚類中心,減少了人工干預對聚類的影響。利用隨機數(shù)據(jù)集Random進行的模擬實驗表明,提出的算法具有良好性能,能得到高質(zhì)量的聚類。
   (3)論文以某省電信高校市場調(diào)查為背景,給出了一個完整的聚類分析的實例。該實例采用本文提出的基于復雜屬性相似度的聚類算法,通過對電信市場調(diào)查數(shù)據(jù)進行聚類,得到了高校電

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。

評論

0/150

提交評論