數(shù)據(jù)挖掘聚類算法在服裝業(yè)的應用.pdf

1、隨著信息技術的不斷發(fā)展，海量高維數(shù)據(jù)的不斷涌現(xiàn)，企業(yè)迫切需要高效、精確、科學的分析數(shù)據(jù)。而近年來，高維數(shù)據(jù)集的增長如此之快，傳統(tǒng)的數(shù)據(jù)庫查詢方法不足以提取有用信息，因此研究人員不得不開發(fā)新的技術，以滿足更高的要求。
　　目前，數(shù)據(jù)挖掘技術已經(jīng)逐漸步入了實用的階段，同時也將逐步融入人們的日常生活并帶來各種服務與便利。在數(shù)據(jù)挖掘的聚類分析過程中，面臨的最大挑戰(zhàn)就是不能在高維數(shù)據(jù)集（如微陣列基因數(shù)據(jù)）中正常工作，大多數(shù)時候由于負面影響以

2、及一些異常值導致結(jié)果不精確，而且面對維數(shù)的增加計算的復雜度也迅速增加。因此本文在目前的聚類分析研究的基礎上提出了一種融合了降維法、主成分分析法、平均距離法等三種方法的混合高維聚類算法，并且將該算法應用到服裝企業(yè)的實際生產(chǎn)、目標市場的確定以及產(chǎn)品改良等環(huán)節(jié)中。
　　針對新的聚類算法，本文做了以下相關工作:
　　首先，綜述了數(shù)據(jù)挖掘中聚類算法的研究現(xiàn)狀，對數(shù)據(jù)挖掘技術以及其中的聚類分析的種類、應用進行闡述，并比較了當前主要的幾個

3、聚類算法。
　　其次，研究了高維聚類的特點和當前主要的高維聚類方法，針對聚類高維數(shù)據(jù)時面臨的問題，提出了相應的解決方案。
　　然后，對傳統(tǒng)聚類算法不能滿足高維數(shù)據(jù)的狀況，在傳統(tǒng)聚類算法的基礎上，提出了一種混合高維聚類算法，給出了算法的步驟及偽代碼;并通過4個數(shù)據(jù)集對該聚類算法進行實驗驗證，并和傳統(tǒng)的聚類方法進行對比。實驗結(jié)果表明提高了準確度，減少了平均執(zhí)行時間，且有更好的準確性和效率。
　　最后，本文對數(shù)據(jù)挖掘技術在服