數(shù)據(jù)挖掘聚類算法研究與系統(tǒng)設(shè)計(jì).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(jià)值的、潛在的知識(shí)，為科學(xué)地進(jìn)行各種商業(yè)決策提供強(qiáng)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(shí)別、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)、計(jì)算智能等領(lǐng)域的研究者關(guān)注的熱點(diǎn)。 本文首先介紹了數(shù)據(jù)挖掘研究的相關(guān)背景，對(duì)數(shù)據(jù)挖掘中的聚類分析的相關(guān)工作作了一個(gè)簡(jiǎn)要的概述，并對(duì)處理高維數(shù)據(jù)的聚類算法進(jìn)行了較為深入的分析研究。 本文針對(duì)類別數(shù)據(jù)的

2、特點(diǎn)，提出了一種基于覆蓋率的類別數(shù)據(jù)聚類算法CCCD。實(shí)驗(yàn)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(jì)算復(fù)雜度和時(shí)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(shì)。 針對(duì)高維復(fù)雜數(shù)據(jù)的聚類問題，本文對(duì)利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)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)