已閱讀1頁，還剩46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、聚類分析是多元統(tǒng)計分析的方法之一，廣泛的應(yīng)用在模式識別，數(shù)據(jù)挖掘和決策分析等領(lǐng)域。目前常有的聚類算法有傳遞閉包聚類算法和Fuzzyc-mean算法。這些算法在聚類過程中存在模糊性。本文為每一個屬性賦予一個權(quán)重，稱之為特征權(quán)，表示這個屬性的重要程度。當權(quán)重等于0時，該屬性是冗余屬性可以刪除；當權(quán)重大于0時，隨著權(quán)重的增加，該屬性在聚類中的作用也越來越大。通過梯度遞減算法選取重要的屬性并為重要的屬性賦予不同的權(quán)重。將權(quán)重應(yīng)用于聚類算法，從而
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
- 聚類中的特征學習研究.pdf
- 聚類算法在IDS特征分析中的應(yīng)用.pdf
- 基于無指導的詞聚類及在文本聚類中應(yīng)用的研究.pdf
- 基于字典學習的無監(jiān)督遷移聚類及其在SAR圖像分割中的應(yīng)用.pdf
- HITS算法在文本聚類結(jié)果特征提取中的應(yīng)用.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 無監(jiān)督聚類算法在輻射源信號分析中的應(yīng)用.pdf
- 聚類算法及其在頁面聚類中的應(yīng)用研究
- 譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 聚類算法及其在頁面聚類中的應(yīng)用研究.pdf
- 聚類算法在Web挖掘中的應(yīng)用.pdf
- 聚類算法在入侵檢測中的應(yīng)用.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 模糊聚類及其在中文文本聚類中的應(yīng)用研究.pdf
- 在線學習中的學習模型聚類與應(yīng)用研究.pdf
- 基于競爭學習機制的聚類算法在圖像匹配中的應(yīng)用.pdf
- 模糊聚類在優(yōu)化決策中的應(yīng)用.pdf
- 聚類方法在證券行業(yè)中的應(yīng)用.pdf
- 模糊譜聚類分割策略在文本聚類中的應(yīng)用研究.pdf
評論
0/150
提交評論