知识导航

相关法规研究

资源分类

航空行业会议

中国航空学会
中国宇航学会
中国空气动力学会
中国空间科学学会
中国力学学会
中国电子学会
中国自动化学会
中国空气动力学学会
中国计算机自动测量与控制技术协会
江苏省航空航天学会
中国机械工程学会
上海市宇航学会
北京航空航天大学
北京航空航天学会
中国航空工业第二集团公司
中国复合材料学会
中国航天科技集团公司
中国航天工业质量协会

航空行业专利

人类生活必需
作业、运输
化学、冶金
固定建筑物
机械工程、照明、采暖
物理
电学

航空行业机构

数据挖掘中聚类分析算法的研究与应用

随着数据的收集与存储技术的快速发展,使得目前世界上的各个组织机构可以存储海量的数据。正是因为数据量的巨大,也使得传统的靠人工分析技术遇到了发展瓶颈,怎样从海量数据中高效的发现有价值有意义的信息已经成为数据挖掘的主要研究方向以及驱动其快速发展的一个重要因素。作为一个新兴的交叉学科,聚类分析技术以其在数据挖掘过程中的独特地位以其在现实生活中的广阔应用,使其成为目前一个十分活跃的研究方向。从目前的情况来看,所有的聚类算法几乎都是针对特定数据对象所设计的,没有一种算法能够做到“放之四海而皆准”,每一种聚类算法都起自身的优点和局限性。
  本文在简单介绍了数据挖掘的相关知识之后,重点介绍了数据挖掘的聚类分析方法,并且以聚类分析算法的分类为基础,详细介绍了每种聚类分析算法中的典型聚类算法,并且给出了各种典型算法的优缺点的介绍。
  在对聚类分析技术有深入了解之后对聚类分析的DBSCAN算法、层次聚类算法模糊聚类分析的传递闭包算法与实际应用相结合做了若干数值试验,得出了一些有价值的实验结果,对传统的 K-means算法本文结合了基于密度的思想,给出了一种改进算法,进而提高了 K-means算法的聚类稳定性,同时给出了一种改进的子空间聚类算法的思想,以及在选择聚类算法时应考虑的因素给了一点建议。
作者 李仁义
学科专业 计算数学
授予学位 硕士
学位授予单位 电子科技大学
导师姓名 黄廷祝
学位年度 2012
研究方向
语 种 chi
分类号 TP311.13 TP301.6
关键词 数据挖掘 知识脉络 模糊聚类 知识脉络 K-means算法 知识脉络 数值试验 知识脉络
机标分类号
基金项目
参考文献和引证文献
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文

知识产权声明| 服务承诺| 联系我们| 人才招聘| 客户服务| 关于我们

京ICP证:010071  互联网出版许可证:新出网证(京)字042号  京公网安备11010802020237号
万方数据知识服务平台--国家科技支撑计划资助项目(编号:2006BAH03B01)©北京万方数据股份有限公司  万方数据电子出版社