數(shù)據(jù)挖掘聚類算法研究與系統(tǒng)設(shè)計.pdf

1、數(shù)據(jù)挖掘是近些年來發(fā)展起來的新技術(shù)，通過數(shù)據(jù)挖掘，人們可以發(fā)現(xiàn)數(shù)據(jù)背后隱藏的有價值的、潛在的知識，為科學(xué)地進行各種商業(yè)決策提供強有力的支持。當(dāng)今，數(shù)據(jù)挖掘已展成一門跨越多領(lǐng)域的學(xué)科，已經(jīng)成為數(shù)據(jù)庫、模式識別、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學(xué)、計算智能等領(lǐng)域的研究者關(guān)注的熱點。 本文首先介紹了數(shù)據(jù)挖掘研究的相關(guān)背景，對數(shù)據(jù)挖掘中的聚類分析的相關(guān)工作作了一個簡要的概述，并對處理高維數(shù)據(jù)的聚類算法進行了較為深入的分析研究。 本文針對類別數(shù)據(jù)的

2、特點，提出了一種基于覆蓋率的類別數(shù)據(jù)聚類算法CCCD。實驗結(jié)果表明CCCD算法能夠有效地處理大量類別數(shù)據(jù)的聚類問題。并且通過分析CCCD算法的計算復(fù)雜度和時空復(fù)雜度，發(fā)現(xiàn)CCCD算法在這兩方面較其它聚類算法都有較為明顯的優(yōu)勢。 針對高維復(fù)雜數(shù)據(jù)的聚類問題，本文對利用神經(jīng)網(wǎng)絡(luò)方法進行聚類分析作了較為深入的研究。在傳統(tǒng)的SOM聚類算法的基礎(chǔ)上，著重研究了基于子空間的神經(jīng)網(wǎng)絡(luò)模型ASSOM和PCASOM，并在其基礎(chǔ)上提出了一種能夠根據(jù)