已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀
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、近年來，隨著科學技術(shù)的跨越式發(fā)展，計算機應(yīng)用技術(shù)也有了長足的進步和更加普及，同時，需要進行分析處理的數(shù)據(jù)也越來越多。數(shù)據(jù)流作為一種愈發(fā)普及的數(shù)據(jù)來源，受到了研究人員很大的關(guān)注，數(shù)據(jù)流上的聚類分析已經(jīng)成為了一個十分熱門的課題。
與傳統(tǒng)的數(shù)據(jù)庫聚類不同，數(shù)據(jù)流上的聚類具有很明顯的特征：單遍掃描、存儲空間受限、對結(jié)果要求實時性。因此，傳統(tǒng)的聚類算法就不能很好的應(yīng)用在數(shù)據(jù)流聚類框架上，必須設(shè)計出新的基于數(shù)據(jù)流的聚類算法以滿足要求。
2、
本文主要深入研究了Affinity Propagation(AP)聚類算法，以及基于AP算法的數(shù)據(jù)流聚類算法，并在此基礎(chǔ)上提出了一種新的基于AP算法的數(shù)據(jù)流聚類算法——NewSTRAP聚類算法。首先通過AP聚類算法形成初始的聚類，得到相關(guān)信息。然后對于每條新到達的數(shù)據(jù)，將其劃分到與之相似度最大的聚類中，并計算對聚類精確度產(chǎn)生的影響。當聚類精確度不能滿足要求時，就進行一次大的調(diào)整，以提高聚類精確度。最后，文章還通過實驗對S
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。
- 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
- 數(shù)據(jù)流上的聚類演化研究.pdf
- 數(shù)據(jù)流聚類算法及其應(yīng)用.pdf
- 數(shù)據(jù)流聚類算法及其應(yīng)用的研究.pdf
- 數(shù)據(jù)流上的分類算法的研究.pdf
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
- 數(shù)據(jù)流上的例外挖掘算法研究.pdf
- 面向數(shù)據(jù)流的數(shù)據(jù)聚類算法研究.pdf
- 混合屬性聚類融合及數(shù)據(jù)流聚類算法研究.pdf
- 基于數(shù)據(jù)流的聚類算法研究.pdf
- 數(shù)據(jù)流上的預(yù)測查詢算法研究.pdf
- 面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究.pdf
- 時態(tài)數(shù)據(jù)流的增量聚類算法研究及其應(yīng)用.pdf
- 數(shù)據(jù)流上的變化的挖掘算法研究.pdf
- 數(shù)據(jù)流混合屬性聚類算法研究.pdf
- 面向數(shù)據(jù)流的優(yōu)化聚類算法研究.pdf
- 基于網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf
- 面向主題的數(shù)據(jù)流聚類算法研究.pdf
- 基于桶密度的數(shù)據(jù)流聚類算法研究與應(yīng)用.pdf
- 數(shù)據(jù)流上Skyline查詢處理算法研究.pdf
- 基于蜂群算法的數(shù)據(jù)流聚類研究.pdf
評論
0/150
提交評論