多種高速聚類算法的研究與c編程(參考版)
2024-10-06 17:26本頁面
【正文】 這樣的算法復(fù)雜度為k * x * (n – k) (其中 1 x k) ? 從數(shù)據(jù)集中選擇數(shù)據(jù) set(certain)進行測試，在其中算最小值。學(xué)生： 胡俠 指導(dǎo)教師：周一民 Email: 本科生論文答辯 多種高速聚類算法的研究與 C編程 組織結(jié)構(gòu) ?項目背景、意義 ?系統(tǒng)的實現(xiàn) ?實驗與分析 ?總結(jié)與展望 項目的背景、意義 (Ⅰ ) 背景 ? 聚類分析源于多個領(lǐng)域，包括數(shù)據(jù)挖掘，統(tǒng)計學(xué)，生物學(xué)，以及機器學(xué)習(xí)等 ? 數(shù)據(jù)挖掘（ Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程 ? 聚類是將數(shù)據(jù)點集合分成若干類或簇 (cluster)，使得每個簇中的數(shù)據(jù)點之間最大程度地相似，而不同簇中的數(shù)據(jù)點最大程度地不同；從而發(fā)現(xiàn)數(shù)據(jù)集中有效的、新穎的、有用的數(shù)據(jù)分布；其與分類不同 項目的背景、意義 (Ⅱ ) 意義 ? 聚類分析廣泛的應(yīng)用于許多領(lǐng)域中，包括模式識別，數(shù)據(jù)分析，圖像處理，以及市場研究 ? 要想比較透徹的了解各種聚類算法及其特性，用程序?qū)⑵鋵崿F(xiàn)是非常必要的，而相關(guān)的源程序由于種種原因，很難找到 國內(nèi)外研究現(xiàn)狀與發(fā)展動態(tài) (Ⅰ ) 研究現(xiàn)狀 ? 聚類技術(shù)主要分為如下幾類：劃分方法，層次方法，基于密度的方法，基于網(wǎng)格的方法，和基于模型的方法 ? 在數(shù)據(jù)挖掘領(lǐng)域，研究工作已經(jīng)集中在為大型數(shù)據(jù)庫的有效和實際的聚類分析尋找適當(dāng)?shù)霓k法 ? 在統(tǒng)計學(xué)上，有一些經(jīng)典的算法的聚類工具已經(jīng)被加入到許多統(tǒng)計分析軟件包或系統(tǒng)中；在機器學(xué)習(xí)領(lǐng)域，聚類是無指導(dǎo)學(xué)習(xí)的一個例子 國內(nèi)外研究現(xiàn)狀與發(fā)展動態(tài) (Ⅱ ) 發(fā)展動態(tài) ? 活躍的研究主題集中在聚類方法的可伸縮性，方法對聚類復(fù)雜形狀和類型的數(shù)據(jù)的有效性，高維聚類分析技術(shù)，以及針對大型數(shù)據(jù)庫中混合數(shù)值和分類數(shù)據(jù)的聚類方法等方面
電大資料相關(guān)推薦
鄂ICP備17016276號-1