已閱讀1頁，還剩65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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、 數(shù)據(jù)挖掘是在海量的數(shù)據(jù)中挖掘出潛在的、有價值的信息,這些信息給人們提供幫助。聚類分析是數(shù)據(jù)挖掘中一個重要的應(yīng)用。它以“物以類聚,人以群分”的思想,根據(jù)對象之間的相似度將相似度大的對象劃分到同一類,不同類之間的對象相似度低。由于簡單、快速的優(yōu)點,K均值聚類算法成為聚類分析中最頻繁使用的算法之一。
本文針對K均值聚類算法對初始點依賴性及時間復(fù)雜度高的特點兩方面進(jìn)行深入研究,為了改善K均值聚類算法對初始點的依賴性,提出了基于迭
2、代密度的K均值算法(簡稱IDKM),通過不斷修改密度閥值,獲得較多的聚類中心,并將聚類中心合并,直到達(dá)到規(guī)定數(shù)目的聚類中心,將IDKM算法應(yīng)用于IRIS數(shù)據(jù)集進(jìn)行聚類分析,證明改進(jìn)算法改善了K均值聚類算法對初始點的依賴性；針對K均值聚類算法時間復(fù)雜度高的特點,本文提出基于三角不等式與移除邊界的K均值聚類算法(簡稱TRBKM),在利用三角不等式減少冗余計算的基礎(chǔ)上,移除一部分點,減少距離計算量,分別將K均值聚類算法、基于三角不等式的K均值
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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)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
- K均值聚類算法初始聚類中心的選取與改進(jìn).pdf
- 基于初始點選擇的K-均值聚類改進(jìn)算法及應(yīng)用研究.pdf
- K均值算法初始聚類中心選取相關(guān)問題研究.pdf
- K均值聚類算法研究與應(yīng)用.pdf
- 改進(jìn)的K均值算法在中文文本聚類中的研究.pdf
- K-均值聚類算法初始中心選取相關(guān)問題的研究.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- 基于遺傳算法的改進(jìn)K均值聚類.pdf
- 基于改進(jìn)粒子群的K均值聚類算法研究.pdf
- K-均值聚類算法的研究與分析.pdf
- 基于魚群的K均值聚類算法研究.pdf
- 遺傳優(yōu)化的K均值聚類算法.pdf
- 模糊C均值聚類算法的研究與改進(jìn).pdf
- C-均值聚類算法的改進(jìn)研究.pdf
- 基于改進(jìn)差分進(jìn)化的K均值聚類算法在入侵檢測中的研究.pdf
- 基于人工蜂群算法的改進(jìn)K-均值聚類算法及其應(yīng)用.pdf
- 數(shù)據(jù)挖掘中半監(jiān)督K均值聚類算法的研究.pdf
- 基于層次K均值的聚類算法的研究.pdf
- 周期序列線性復(fù)雜度與K-錯線性復(fù)雜度研究.pdf
- K-均值聚類算法改進(jìn)及在服裝生產(chǎn)的應(yīng)用研究.pdf
評論
0/150
提交評論