已閱讀1頁(yè)，還剩126頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文針對(duì)高屬性維稀疏數(shù)據(jù)的聚類(lèi)數(shù)據(jù)挖掘技術(shù)進(jìn)行了研究.首先,研究高屬性維稀疏聚類(lèi)的算法,提出集合差異度的定義方式、集合差異度閾值的計(jì)算公式,從而改進(jìn)CABOSFV算法;然后,在研究大數(shù)據(jù)集對(duì)象的數(shù)據(jù)消減策略的基礎(chǔ)上,闡述如何采用采樣策略進(jìn)行數(shù)據(jù)消減,并利用集合上下確界的概念,完成非樣本對(duì)象向基礎(chǔ)類(lèi)的匹配;其次,為進(jìn)一步完善聚類(lèi)的應(yīng)用,還進(jìn)行了異常數(shù)據(jù)的挖掘研究,并為彌補(bǔ)采樣策略給聚類(lèi)帶來(lái)的概率缺陷,提出了孤立點(diǎn)對(duì)象的處理方案;最后,針對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- CRM中基于聚類(lèi)的客戶(hù)細(xì)分、獲取及保持研究.pdf
- 分析型CRM中聚類(lèi)算法的研究.pdf
- 基于改進(jìn)模糊聚類(lèi)算法的電信客戶(hù)細(xì)分模型研究.pdf
- 改進(jìn)K-MEANS聚類(lèi)算法在銀行CRM中的應(yīng)用與研究.pdf
- 基于改進(jìn)型模糊聚類(lèi)算法的電信客戶(hù)細(xì)分研究.pdf
- 改進(jìn)的k—means聚類(lèi)算法在客戶(hù)細(xì)分中的應(yīng)用研究
- 基于FCM聚類(lèi)的算法改進(jìn).pdf
- 基于改進(jìn)聚類(lèi)算法的圖像檢索研究.pdf
- 模糊聚類(lèi)算法研究及在CRM中的應(yīng)用.pdf
- 基于改進(jìn)K-Means聚類(lèi)算法的銀行CRM系統(tǒng)設(shè)計(jì)與開(kāi)發(fā).pdf
- 基于改進(jìn)粒子群優(yōu)化算法的聚類(lèi)算法研究.pdf
- 劃分聚類(lèi)與基于密度聚類(lèi)算法的改進(jìn)方法研究.pdf
- 數(shù)據(jù)挖掘聚類(lèi)算法在CRM中的研究與應(yīng)用.pdf
- 基于密度聚類(lèi)算法的研究與改進(jìn).pdf
- 基于密度聚類(lèi)算法的改進(jìn)方法研究.pdf
- 改進(jìn)的密度聚類(lèi)算法研究.pdf
- 基于改進(jìn)粒子群優(yōu)化的聚類(lèi)算法研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類(lèi)研究.pdf
- 基于目標(biāo)函數(shù)改進(jìn)的模糊聚類(lèi)算法研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類(lèi)研究
評(píng)論
0/150
提交評(píng)論