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),請進行舉報或認領(lǐng)
文檔簡介
1、基于自然最近鄰的無參聚類算法研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名:黃金龍指導(dǎo)教師:朱慶生教授專業(yè):計算機軟件與理論學(xué)科門類:工學(xué)重慶大學(xué)計算機學(xué)院二O一四年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要數(shù)據(jù)挖掘就是在大量的數(shù)據(jù)中探索出有價值的模式、規(guī)則和規(guī)律的過程,即從海量無規(guī)律的數(shù)據(jù)集中提取出可理解的、之前人們并不清楚的且存在潛在價值的知識的過程。數(shù)據(jù)挖掘的主要任務(wù)包括回歸分析(Regression)、關(guān)聯(lián)分析(Association
2、rulelearning)、分類分析(Classification)、聚類分析(Clustering)以及異常分析(Outlierdetection)等。其中數(shù)據(jù)聚類則是數(shù)據(jù)挖掘中一項非常重要的技術(shù),是人們在認識和挖掘研究對象之間內(nèi)在聯(lián)系的一種非常常用的方法,它不但可以作為獨立的數(shù)據(jù)挖掘工具,從知識庫中獲取到數(shù)據(jù)結(jié)構(gòu)的分布信息,還可以對數(shù)據(jù)集進行預(yù)處理以方便其它一些數(shù)據(jù)挖掘算法對數(shù)據(jù)集進行數(shù)據(jù)挖掘。聚類分析是一種無監(jiān)督的數(shù)據(jù)挖掘分析算法
3、,無監(jiān)督的聚類分析算法能夠挖掘出輸入數(shù)據(jù)集的內(nèi)部分布結(jié)構(gòu)以及類簇信息。目前包括計算機模式識別中的視覺分析、圖像識別和分割等領(lǐng)域都在廣泛地應(yīng)用聚類分析技術(shù)。同時聚類分析也被應(yīng)用于統(tǒng)計分析,醫(yī)療信息處理,生物工程,社會科學(xué)和心理研究等各個數(shù)據(jù)分析場合。在商務(wù)管理、市場分析、工程設(shè)計等商業(yè)領(lǐng)域中也應(yīng)用到了數(shù)據(jù)挖掘的聚類分析技術(shù)。所謂聚類就是將需要處理的整個數(shù)據(jù)集劃分成多個不同的類簇,類簇與類簇之間距離或者相異性盡量的大,而使得類簇內(nèi)部盡量的緊
4、湊。最近鄰居概念早在1951年就已經(jīng)被提出,一經(jīng)提出就廣泛的受到關(guān)注和研究,且被廣泛應(yīng)用于模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域。最著名同時也是最基礎(chǔ)的兩個最近鄰居概念就是Stevens所提出的K最近鄰居和ε最近鄰居概念。現(xiàn)如今數(shù)據(jù)挖掘中的很多聚類算法、離群檢測算法等都應(yīng)用到了K最近鄰和ε最近鄰的概念,并提出了許多著名的數(shù)據(jù)挖掘算法,比如KNN分類算法、LOF和INFLO離群檢測算法等。但是隨著K最近鄰和ε最近鄰這兩個概念的應(yīng)用越來越深入,
5、K最近鄰和ε最近鄰的不足和缺點也顯露在我們面前。那就是對于一個未知的數(shù)據(jù)集,在K最近鄰的概念下每個數(shù)據(jù)對象應(yīng)該有多少鄰居才算合適,K值設(shè)為多少才能夠正確地反映出這個未知數(shù)據(jù)集的結(jié)構(gòu)特性。特別是在如今數(shù)據(jù)以爆炸式增長的大數(shù)據(jù)時代,數(shù)據(jù)集的復(fù)雜度變得越來越高,未知性也越來越強,在利用基于K最近鄰的數(shù)據(jù)挖掘算法對數(shù)據(jù)進行挖掘時,K值也越來越難設(shè)置。ε最近鄰在各個鄰域中的應(yīng)用也同樣遇到這一問題,ε值大小的設(shè)置往往會對數(shù)據(jù)的最后挖掘效果產(chǎn)生很大的
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于共享最近鄰的聚類算法的研究與應(yīng)用.pdf
- 基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf
- 基于最近鄰聚類的連續(xù)屬性離散化算法研究.pdf
- 基于自然最近鄰居的分類算法研究.pdf
- 基于近鄰的聚類算法研究.pdf
- 基于自然最近鄰居的社團檢測算法研究.pdf
- 基于自然最近鄰居的離群檢測算法研究.pdf
- 基于最近鄰相似度的孤立點檢測及半監(jiān)督聚類算法.pdf
- 基于改進自然最近鄰聚類的道路網(wǎng)事故熱點識別與評估.pdf
- 最近鄰查詢和反最近鄰查詢算法研究.pdf
- 概率無向圖模型近鄰傳播聚類算法的研究.pdf
- 基于圖像特征的最近鄰搜索算法研究.pdf
- 基于共享近鄰聚類的協(xié)同過濾算法研究.pdf
- 基于K-最近鄰聚類的功能等價的重復(fù)代碼的檢測方法研究.pdf
- 基于哈希加速的近似最近鄰檢索算法研究.pdf
- 最近鄰分類的若干改進算法研究.pdf
- 基于近鄰路徑的自適應(yīng)尺度譜聚類算法研究.pdf
- 基于自然鄰的層次聚類算法研究.pdf
- 離群檢測無參化與復(fù)雜流形聚類算法研究.pdf
- 基于自然計算的模糊聚類新算法研究.pdf
評論
0/150
提交評論