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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、<p> 本科生畢業(yè)論文(設(shè)計(jì))冊(cè)</p><p> 學(xué) 院:數(shù)學(xué)與信息科學(xué)學(xué)院</p><p> ?! I(yè):計(jì)算機(jī)科學(xué)與技術(shù)</p><p> 班 級(jí):2009級(jí)計(jì)算機(jī)班</p><p> 學(xué) 生:</p><p> 指導(dǎo)教師:</p><p> 本科畢業(yè)論文(設(shè)計(jì))任務(wù)書
2、</p><p> 論文(設(shè)計(jì))題目: 數(shù)據(jù)挖掘K-均值算法實(shí)現(xiàn) </p><p> 1、論文(設(shè)計(jì))研究目標(biāo)及主要任務(wù)</p><p> 本文主要研究聚類分析K-均值算法,并對(duì)該算法的優(yōu)缺點(diǎn)進(jìn)行分析,并通過該算法的缺點(diǎn)通過實(shí)驗(yàn)驗(yàn)證,這些敏感的因素對(duì)聚類結(jié)果具有哪些影響。本文的主要任務(wù)是實(shí)
3、現(xiàn)K-均值算法,并通過改變不同的初始條件得出算法聚類結(jié)果,并對(duì)結(jié)果進(jìn)行比對(duì),得出結(jié)論。</p><p> 2、論文(設(shè)計(jì))的主要內(nèi)容</p><p> 本文主要介紹了聚類分析,包括它各個(gè)方面的性能指標(biāo)測量函數(shù)和常見的聚類方法,著重介紹了基于劃分的聚類算法中的K-均值算法,詳細(xì)分析了該算法的基本思想,算法流程和算法本身的特點(diǎn),并通過實(shí)驗(yàn)實(shí)現(xiàn)了該算法,在實(shí)現(xiàn)該算法的基礎(chǔ)上,對(duì)影響聚類結(jié)果的
4、兩方面因素初始點(diǎn)和數(shù)據(jù)輸入順序的不同分別進(jìn)行實(shí)驗(yàn)。</p><p> 3、論文(設(shè)計(jì))的基礎(chǔ)條件及研究路線</p><p> 本文是在C++的基礎(chǔ)上實(shí)現(xiàn)的K-均值算法,數(shù)據(jù)集是從數(shù)據(jù)堂下載的c-fat500-10.txt數(shù)據(jù)集,在運(yùn)行實(shí)現(xiàn)該算法的基礎(chǔ)上,改變初始點(diǎn)和數(shù)據(jù)輸入順序,進(jìn)行了六次試驗(yàn),分別進(jìn)行實(shí)驗(yàn)這兩個(gè)初始條件的不同會(huì)對(duì)聚類結(jié)果有哪些影響。</p><p&
5、gt;<b> 4、主要參考文獻(xiàn)</b></p><p> [1] T Zhang.R.Ramakrishnan and M.ogihara.An efficient data clustering method for very largedatabases.In Pror.1996 ACM-SlGMOD hat.Conf.Management of Data,Montreal。Can
6、ada,June 1996:103.114.</p><p> [2]Sambasivam S,Theodosopoulos N.Advanced data clustering methods ofmining web documents.Issues in Informing Science and Information Technology,2006,8(3):563.579.</p>&
7、lt;p> [3] Z.Huang.Extensions to the K-means algorithm for clustering large data sets with categorical values.Data Mining and Knowledge discovery,1998,(2):283-304.</p><p> Applied Math,1999,90:3—26.</
8、p><p><b> 5、計(jì)劃進(jìn)度</b></p><p> 指 導(dǎo) 教師: 年 月 日</p><p> 教研室主任: 年 月
9、 日</p><p> 生畢業(yè)論文(設(shè)計(jì))開題報(bào)告書</p><p> 數(shù)學(xué)與信息科學(xué) 學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù) 專業(yè) 2013 屆</p><p> 畢業(yè)論文(設(shè)計(jì))文獻(xiàn)綜述 </p><p> 本科生畢業(yè)論文(設(shè)計(jì))翻譯文章</
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(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)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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
- 數(shù)據(jù)挖掘k-均值算法實(shí)現(xiàn)開題報(bào)告、文獻(xiàn)綜述
- 畢業(yè)論文--數(shù)據(jù)挖掘k均值算法實(shí)現(xiàn)
- 畢業(yè)論文--數(shù)據(jù)挖掘k均值算法實(shí)現(xiàn)
- K-中心點(diǎn)和K-均值聚類算法研究.pdf
- K-匿名數(shù)據(jù)集的挖掘算法研究.pdf
- K-均值聚類算法的研究與分析.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- 移動(dòng)數(shù)據(jù)庫中基于改進(jìn)的K-均值算法的數(shù)據(jù)廣播威力研究.pdf
- 基于K-均值聚類算法的Web日志挖掘技術(shù)的研究和應(yīng)用.pdf
- 基于改進(jìn)K-均值算法的入侵檢測方法研究.pdf
- 基于k-匿名隱私數(shù)據(jù)挖掘研究.pdf
- 數(shù)據(jù)挖掘中半監(jiān)督K均值聚類算法的研究.pdf
- 基于模糊K-均值算法的模糊分類器設(shè)計(jì).pdf
- K-近鄰、K-均值及其在文本分類中的應(yīng)用.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
- 基于K-均值的文本聚類分析.pdf
- K-均值聚類算法及其在高校圖書館日志挖掘中的應(yīng)用研究.pdf
- 并行遺傳算法在K-中心數(shù)據(jù)挖掘的應(yīng)用研究.pdf
- 支持向量機(jī)與K-均值聚類融合算法研究.pdf
- 基于泛化樹的k-匿名數(shù)據(jù)集的挖掘算法研究.pdf
評(píng)論
0/150
提交評(píng)論