聚類分析數(shù)據(jù)挖掘方法的研究與應(yīng)用.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著信息技術(shù)的發(fā)展,數(shù)據(jù)挖掘技術(shù)得到了廣泛的關(guān)注。在數(shù)據(jù)挖掘技術(shù)中有很多研究領(lǐng)域,聚類分析數(shù)據(jù)挖掘就是其中一個(gè)重要的研究方向,對(duì)它進(jìn)行深入研究不僅有著重要的理論意義,而且有著重要的應(yīng)用價(jià)值。聚類分析就是將一組物理或抽象對(duì)象,分組為類似對(duì)象組成的多個(gè)簇,在同一個(gè)簇中的對(duì)象彼此相似,不同簇中的對(duì)象彼此相異。目前,聚類分析已經(jīng)廣泛地應(yīng)用于模式識(shí)別,數(shù)據(jù)分析,圖像處理,以及市場研究等。 在數(shù)據(jù)挖掘中,聚類是一個(gè)活躍的研究領(lǐng)域。目前在文獻(xiàn)

2、中存在大量的聚類算法。算法的選擇取決于數(shù)據(jù)的類型、聚類的目的和應(yīng)用。聚類算法具體可以分為劃分方法,層次方法,基于密度的方法,基于網(wǎng)格的方法,以及基于模型的方法等。其中,在中、小規(guī)模的數(shù)據(jù)聚類應(yīng)用中,劃分方法在可理解度、易訓(xùn)練性、易實(shí)施性和通用性等方面優(yōu)于其他的分類方法。 在以上研究的基礎(chǔ)上,本文探討了聚類技術(shù)在成人高校教學(xué)管理中的應(yīng)用。通過對(duì)計(jì)算機(jī)課程的相關(guān)教師“聽課記錄表”的數(shù)據(jù)分析,依據(jù)聚類挖掘的實(shí)施流程,進(jìn)行了各項(xiàng)數(shù)據(jù)預(yù)處

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(qǐng)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(qǐng)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(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論