數(shù)據(jù)挖掘中聚類分析的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘是目前信息領(lǐng)域和數(shù)據(jù)庫技術(shù)的前沿研究課題，被公認(rèn)為是最具發(fā)展前景的關(guān)鍵技術(shù)之一。數(shù)據(jù)挖掘涉及到統(tǒng)計學(xué)、人工智能(特別是機器學(xué)習(xí))、模糊理論和數(shù)據(jù)庫技術(shù)等多種技術(shù)，它強調(diào)的是大量數(shù)據(jù)和算法的可伸縮性，是一門很接近實用的技術(shù)，其技術(shù)含量比較高，實現(xiàn)難度也較大。 聚類分析是數(shù)據(jù)挖掘的重要功能之一，近年來在該領(lǐng)域的研究取得了長足的發(fā)展，出現(xiàn)了許多聚類分析方法，如劃分聚類方法、層次聚類方法、基于密度的聚類方法、基于網(wǎng)格的聚類方法、

2、基于模型的聚類方法等。這些方法所涉及的領(lǐng)域幾乎遍及人工智能科學(xué)的方方面面，而且在特定的領(lǐng)域中，特定的情形下取得了良好的效果。但是當(dāng)處理數(shù)大量數(shù)據(jù)、具有復(fù)雜數(shù)據(jù)類型的數(shù)據(jù)集時，仍存在若干尚未解決的問題。 本文系統(tǒng)地研究了數(shù)據(jù)挖掘的概念、功能、處理過程及技術(shù)算法，數(shù)據(jù)挖掘的核心技術(shù)是數(shù)據(jù)挖掘的算法，本文就數(shù)據(jù)挖掘的算法做了分析和比較，選取了K—平均算法和DBSCAN算法做了深入的研究，并給出了一種基于距離的異常數(shù)據(jù)挖掘算法。本文以山