学位论文 > 优秀研究生学位论文题录展示

数据挖掘中聚类算法的研究

作　者: 刘坤朋
导　师: 罗可
学　校: 长沙理工大学
专　业: 计算机软件与理论
关键词: 聚类算法 C均值算法密度聚类算法层次聚类算法免疫算法自适应聚类算法
分类号: TP18
类　型: 硕士论文
年　份: 2010年
下　载: 250次
引　用: 4次
阅　读: 论文下载

内容摘要

随着信息技术的迅速发展,人们积累了大量的数据。如何从这些冗余数据中提出对人们有用的信息就成了如今亟需要解决的问题。数据挖掘技术就在这种背景下应运而生,并且发展了几年就已经成为目前数据库和信息决策领域最为热门的课题和方向之一。作为数据挖掘中的一个重要分支,聚类分析是通过分析数据的相似性把大型数据集合分类,使得在同一个类里面的数据最为相似,而不同类中的数据又彼此相异,得到很好的分类效果。本文主要研究了聚类算法,所做的主要工作如下：1.利用密度聚类算法收敛速度快,层次聚类算法可以在不同粒度水平上对数据进行探测,而且容易实现相似度量或距离度量的优点,发现了一种新的基于密度的层次聚类算法,克服了层次聚类算法时间复杂度的问题,得到比较好的聚类结果。2.将免疫算法引入模糊聚类算法,克服了模糊聚类算法对初始值敏感容易陷入局部最优的问题。新的聚类算法能够在不给定初始簇数目的条件下得到准确的聚类结果。3.结合传统聚类算法与模糊聚类算法。利用密度算法对中心点不敏感的优点,将密度算法应用于模糊聚类,得到新的聚类算法应用于数据量大的数据集时,它的准确率要明显高于模糊聚类算法和免疫算法。

全文目录

摘要  5-6
ABSTRACT  6-9
第一章绪论  9-15
  1.1 数据挖掘概述  9-10
  1.2 国内外研究现状  10-11
  1.3 数据挖掘的应用与发展趋势  11-14
  1.4 本文的内容及结构安排  14-15
第二章聚类技术及其发展  15-27
  2.1 聚类分析概述  15-16
  2.2 聚类分析中的数据结构和数据类型  16-18
    2.2.1 聚类分析中的数据结构  16-17
    2.2.2 聚类分析中的数据类型  17-18
  2.3 传统聚类算法  18-26
    2.3.1 基于划分的聚类算法  18-21
    2.3.2 基于密度的聚类算法  21-23
    2.3.3 基于层次的聚类算法  23-26
  2.4 本章小结  26-27
第三章改进的传统聚类算法  27-31
  3.1 层次聚类算法描述  27-28
  3.2 基于密度算法的层次聚类算法  28-30
  3.3 仿真实验结果比较与分析  30
  3.4 本章小结  30-31
第四章扩展聚类算法的应用  31-38
  4.1 模糊聚类算法发展概况  31-33
  4.2 模糊C均值聚类算法及其步骤  33-34
  4.3 自适应模糊C均值聚类算法  34-37
  4.4 本章小结  37-38
第五章模糊聚类算法与传统聚类算法的结合应用  38-42
  5.1 基于密度的聚类算法介绍  38-39
  5.2 模糊聚类算法与密度聚类算法的结合应用  39
  5.3 仿真模拟实验  39-40
  5.4 本章小结  40-42
第六章结论与展望  42-43
  6.1 结论  42
  6.2 展望  42-43
参考文献  43-48
致谢  48-49
附录 (攻读硕士学位期间发表录用论文)  49

数据挖掘中聚类算法的研究

内容摘要

全文目录

相似论文