2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩47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、數(shù)據(jù)挖掘是近年來在信息決策領域較為活躍的熱點課題。在數(shù)據(jù)挖掘的眾多技術中,聚類分析尤為重要,它把數(shù)據(jù)對象分為若干類,讓同一類中對象的相似性盡可能大,不同類間對象的相似性盡可能小,K調和均值聚類算法(KHM)是一種類似于k-means的聚類算法,屬于劃分聚類,該算法用數(shù)據(jù)點與所有聚類中心的距離的調和平均值替代了K-means算法中數(shù)據(jù)點與聚類中心的最小距離,成功地解決了K-means算法對初值敏感的問題。KHM實現(xiàn)簡單,對初值不敏感,收斂

2、速度快,但容易陷入局部最優(yōu)值。遺傳算法是一種高效的全局搜索方法,具有較強的魯棒性和全局尋優(yōu)能力。本文先將遺傳算法跟K調和均值聚類算法相結合,互相取長補短,提出了一種新的算法:基于遺傳算法的K調和均值聚類算法(GAKHM)。并通過實驗驗證了GAKH具有較好的聚類效果。然后,針對GAKHM具有執(zhí)行效率低,時間復雜度大等缺點,本文在GAKHM的基礎上,引入量子算法,從而提出了基于量子遺傳算法的K調和均值聚類算法(QGAKHM)。實驗結果表明Q

3、GAKHM是一種執(zhí)行效率高,聚類效果好的算法。
   本研究主要內容包括:首先介紹了本文所需要的基礎知識,主要有聚類分析,遺傳算法和量子遺傳算法相關知識。對它們的基本原理,優(yōu)缺點進行了詳細的分析。其次針對遺傳算法和K調和均值聚類算法的優(yōu)缺點,提出了一種新算法:GAKHM。并從適應度函數(shù)的構造,染色體編碼,選擇算子,交叉算子,變異算子和K調和均值聚類算法的操作等方面對GAKHM進行詳細的描述。實驗結果表明GAKHM算法能夠優(yōu)化聚類

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(lián)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(wǎng)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(xiàn)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(lián)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