188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
bsbyh_38

上传于：2014-10-30

粉丝量：1

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 数据挖掘中 常用 聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中 常用 聚类分析的技术方法

    星级： 8 页

  • 数据挖掘中聚类分析的技术方法

    星级： 3 页

  • 数据挖掘中聚类分析的技术方法

    星级： 3 页

  • 数据挖掘中聚类分析的技术方法

    星级： 3 页

  • 数据挖掘中聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中 常用 聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中聚类分析的技术方法

    星级： 2 页

  • 数据挖掘中聚类分析技术方法的比较研究

    星级： 2 页

  • 数据挖掘中聚类分析技术方法的比较研究

    星级： 5 页

  • 数据挖掘中聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中聚类分析的技术方法

    星级： 2 页

  • 数据挖掘中聚类分析的技术方法

    星级： 6 页

  • 数据挖掘中聚类分析的技术方法

    星级： 6 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 数据挖掘中聚类分析的技术方法

    下载积分： 2000

    内容提示： 数据挖掘中聚类分析的技术方法 汤效琴 戴汝源 摘 要： 数据挖掘是信息产业界近年来非常热门的研究方向， 聚类分析是数据挖掘中的核心技术。 本文对数据挖掘领域的聚类分析方法及代表算法进行分析， 并从多个方面对这些算法性能进行比较， 同时还对聚类分析在数据挖掘中的几个应用进行了阐述。 关键词： 数据挖掘； 聚类分析； 聚类算法 Technique of Cluster analysis in Data mining Tang Xiaoqin Dai Ruyuan (Computer Center Ningxia University, Yinchuan 750021,China) Abstract: Data Mining is one of the pop research in information industry last...

    文档格式：DOC | 页数：6 | 浏览次数：9 | 上传日期：2014-10-30 21:25:58 | 文档星级：
    数据挖掘中聚类分析的技术方法 汤效琴 戴汝源 摘 要： 数据挖掘是信息产业界近年来非常热门的研究方向， 聚类分析是数据挖掘中的核心技术。 本文对数据挖掘领域的聚类分析方法及代表算法进行分析， 并从多个方面对这些算法性能进行比较， 同时还对聚类分析在数据挖掘中的几个应用进行了阐述。 关键词： 数据挖掘； 聚类分析； 聚类算法 Technique of Cluster analysis in Data mining Tang Xiaoqin Dai Ruyuan (Computer Center Ningxia University, Yinchuan 750021,China) Abstract: Data Mining is one of the pop research in information industry last few years. Cluster analysis is the core technique of Data Mining. This paper analyzes the cluster analysis method and representation cluster algorithm in the area of the Data Mining, and compares the algorithm capability. And also expatiate the application of the cluster analysis in Data Mining. Keywords: Data Mining; Cluster analysis; Cluster algorithm 0 引言 数据挖掘(Data Mining)是指从存放在数据库、数据仓库或其他信息库中的大量数据中提取隐含的、 未知的、 有潜在应用价值的信息或模式的过程。 数据挖掘涉及多学科技术，包括数据库技术、 统计学、 机器学习、 高性能计算、 模式识别、 神经网络、 数据可视化、信息检索、 图像与信号处理和空间数据分析。 被信息产业界认为是数据库系统最重要的前沿之一， 是信息产业最有前途的交叉学科。 数据挖掘的根本在于统计学， 统计方法中多元数据分析的三大方法之一的聚类分析则是数据挖掘采用的核心技术， 成为该研究领域中一个非常活跃的研究课题。 聚类分析基于“物以类聚” 的朴素思想， 根据事物的特征对其进行聚类或分类。 本文对数据挖掘领域的聚类分析方法及代表算法进行分析， 并从多个方面对常用算法的性能面进行分析比较。 最后阐述了聚类分析在数据挖掘中的应用。 1 数据挖掘领域中聚类算法的分类 聚类算法大体可以划分为以下几类： 划分方法、 层次方法、 基于密度的方法、 基于网格的方法和基于模型的方法。 1． 1 划分方法（partitioning method） 给定一个包含 n 个数据对象或元组的数据库， 一个划分方法构建数据的 c 个划分，每个划分表示一个簇， 且 c≤n。 通常会采用一个划分准则（经常称为相似度函数）， 例如距离， 以便在同一个簇中的对象是“相似的”， 在不同簇中的对象是“相异的”。 这些聚类方法对在中小规模的数据库中发现球状簇很适用。 为了对大规模的数据集进行聚类，以及处理复杂形状的聚类， 基于划分的方法需要进一步的扩展。 1． 2 层次方法(hierarchical method) 层次方法对给定数据对象集合进行层次的分解。 根据层次分解是自 底向上还是自顶向下形成， 层次聚类的方法可以进一步分为凝聚的和分裂的。 层次聚类方法的缺陷在于，一旦一个步骤（合并或分裂） 完成， 它就不能被撤消， 因此而不能更正错误的决定。 改进层次方法的聚类质量的一个有希望的方向是将层次聚类和其他聚类技术进行集成， 形

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司