基于高維空間的聚類技術研究.pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著計算機應用的普及,信息系統(tǒng)產生的數據量日益增大,迫切需要高效的數據挖掘工具,從大量原始數據中尋找有價值的知識模式.聚類分析是數據挖掘的重要工具之一.如何正確處理維度達到數百、數千的數據集合,如何從高維數據集中尋找潛在的、自然存在的聚類簇,這是當前聚類分析研究的熱點.本文針對聚類分析的熱點和難點問題——高維聚類展開研究,目的是尋求有效的高維聚類算法,以及有效的高維數據離群點發(fā)現和聚類結果表達等技術.本文研究了高維聚類分析的關鍵技術,主

2、要工作有:1、針對高維數據空間下聚類簇的分布特點,改進了一種基于子空間的映射聚類算法.本文應用柏努利分布表示二元數據的分布特征,把基于有限混合柏努利分布模型與EM(Expectation-Maximization)算法相結合的高維二元數據映射聚類方法,一方面發(fā)現各種子空間下的聚類簇,一方面為每個簇指定相應的屬性子集,實現了不同子空間下聚類簇的挖掘.2、從映射聚類算法出發(fā),設計了一種高維空間離群點發(fā)現的算法.首先,運用一種映射聚類的算法尋

3、找數據點相對密集的子空間.為了盡快找到這些數據簇及其相應的子空間,可以對數據進行二元處理,即把全部數據集轉化為二元數據,然后運用二元數據映射聚類方法找到映射簇及相關聯的屬性集合;第二,根據屬性熵的定義,對每個屬性集合的每一屬性判別其離散程度;第三,在離散程度較大的屬性集合中確定離群點:第四,進行簇間屬性集合的交叉分析,發(fā)現跨子空間的離群點.3、仔細研究基于粗集理論的高維聚類結果表達方法.認為聚類簇必須以有效的方式加以表達,相對完整地傳達

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，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論