數(shù)據挖掘聚類算法研究與系統(tǒng)設計.pdf

1、數(shù)據挖掘是近些年來發(fā)展起來的新技術，通過數(shù)據挖掘，人們可以發(fā)現(xiàn)數(shù)據背后隱藏的有價值的、潛在的知識，為科學地進行各種商業(yè)決策提供強有力的支持。當今，數(shù)據挖掘已展成一門跨越多領域的學科，已經成為數(shù)據庫、模式識別、神經網絡、統(tǒng)計學、計算智能等領域的研究者關注的熱點。 本文首先介紹了數(shù)據挖掘研究的相關背景，對數(shù)據挖掘中的聚類分析的相關工作作了一個簡要的概述，并對處理高維數(shù)據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)據的

2、特點，提出了一種基于覆蓋率的類別數(shù)據聚類算法CCCD。實驗結果表明CCCD算法能夠有效地處理大量類別數(shù)據的聚類問題。并且通過分析CCCD算法的計算復雜度和時空復雜度，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。 針對高維復雜數(shù)據的聚類問題，本文對利用神經網絡方法進行聚類分析作了較為深入的研究。在傳統(tǒng)的SOM聚類算法的基礎上，著重研究了基于子空間的神經網絡模型ASSOM和PCASOM，并在其基礎上提出了一種能夠根據