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、lIIIIIIIIIIIIIIIIII111Y3283365中圖分類(lèi)號(hào):UDC:TP391密船公開(kāi)本校編號(hào):蔥州交通大摯碩士學(xué)位論文論文題目:K—means聚類(lèi)算法的改進(jìn)研究及應(yīng)用研究生姓名:蘭斐莖學(xué)號(hào):0214459學(xué)校指導(dǎo)教師姓名:查查職稱(chēng):教授申請(qǐng)學(xué)位等級(jí):論文提交日期:理學(xué)碩士專(zhuān)業(yè)——計(jì)算數(shù)學(xué)論文答辯日期:!!!::j獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果,除了文中特別加以標(biāo)注和致謝之
2、處外,論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果,也不包含獲得蘭巡童道太堂或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文作者簽名:猻薪簽字吼如『7年6月加日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解蘭世l鑾逼太堂有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)蘭趔童通太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,并采用影印、縮印或掃描等復(fù)制手段保存、
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
- K-means聚類(lèi)算法的改進(jìn).pdf
- K-means聚類(lèi)算法的改進(jìn)研究.pdf
- K-Means聚類(lèi)算法的研究與改進(jìn).pdf
- K-means聚類(lèi)算法研究及其應(yīng)用.pdf
- k-means聚類(lèi)算法分析應(yīng)用研究
- (6)K-means聚類(lèi)算法.pdf
- 聚類(lèi)數(shù)據(jù)挖掘在商場(chǎng)中的應(yīng)用及K-means聚類(lèi)算法改進(jìn)研究.pdf
- 基于密度的改進(jìn)K-Means文本聚類(lèi)算法研究.pdf
- 基于遺傳算法的K-MEANS聚類(lèi)改進(jìn)研究.pdf
- 模糊k-means聚類(lèi)方法研究及改進(jìn).pdf
- K-means聚類(lèi)優(yōu)化算法的研究.pdf
- 改進(jìn)K-MEANS聚類(lèi)算法在銀行CRM中的應(yīng)用與研究.pdf
- 聚類(lèi)K-means算法及并行化研究.pdf
- K-Means算法研究及在文本聚類(lèi)中的應(yīng)用.pdf
- 基于k-means的改進(jìn)聚類(lèi)融合算法的研究與應(yīng)用.pdf
- 基于K-Means的文檔聚類(lèi)算法研究.pdf
- 密度敏感的K-means聚類(lèi)算法研究.pdf
- 數(shù)據(jù)挖掘K-means聚類(lèi)算法的研究.pdf
- 基于密度垂直中點(diǎn)的K-means聚類(lèi)算法改進(jìn)研究.pdf
- 基于K-means聚類(lèi)的RCNA識(shí)別算法.pdf
評(píng)論
0/150
提交評(píng)論