1.3研究内容和研究方法

在数据挖掘中,聚类主要解决的是在不知道类别标签的情况下的样本数据分类问题。聚类和分类的区别主要在于:分类是用已经知道了类别标签的样本数据去训练一个分类器,再用该分类器对其他未知类别的样本进行归类,属于有导师、有监督的学习;聚类是完全不知道各个样本的类别,而需要按照一定的聚类度量准则直接进行聚类,属于无导师、无监督的学习。

    系统聚类问题主要有两种形式,一种是对研究对象本身进行分类,称为 型聚类;另一种是对研究对象的观察指标进行分类,称为 型聚类。目前,聚类主要运用在图象处理、模式识别、客户信息分析、金融分析、医学、军事等诸多领域中。

在聚类分析中,K-means算法是一种经典的基于划分的聚类算法,它是目前应用最广泛也最成熟的一种聚类分析方法。但是该算法存在着对初始聚类中心的选择非常敏感,容易取得局部最优解,对噪声数据和孤立点数据比较敏感等问题。此外,由于K-means算法采用的是一种以距离作为度量数据点间相似度的方法,故无法发现任意形状的簇,而只能发现数据点分布较为均匀的类球状簇。

基于此,本课题主要研究各种聚类算法的优缺点及重点对K-means聚类算法展开分析研究。并通过实验数据采集,对K-means聚类算法进行仿真模拟,应用范围也较广

上一篇:VB+access某钢铁企业能源数据库的设计+源代码+答辩PPT
下一篇:大型机的外汇业务管理系统的设计与实现挂牌外汇对私外汇业务

WEB仪器管理系统分析项目...

国产加密算法的研究与实现

采用颜色共生矩阵的图像分析技术实现

基于深度学习的目标识别算法研究

智能算法的海上应急救援基地选址优化设计

基于SNA的唐诗关系分析

C#古钱币拍卖网站分析与设计

新疆农林高校學生昆虫生...

激光模拟训练器材国内外研究现状

个案管理茬老年糖尿病患...

日语论文中日酒文化对比研究

淮安市高校足球运动损伤问卷调查表

大淘宝网的虚假交易研究

浅谈农村大气环境保护的制度构建【1868字】

发酵米粉优势菌株的发酵特性研究

肢体语言在小学英语教学中的应用浅谈

2021年什么行业赚钱,适合...