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48頁未讀 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一項重要的研究內(nèi)容,其目標是在沒有任何先驗知識的前提下,根據(jù)數(shù)據(jù)之間的距離(歐式距離、曼哈頓距離等)或者相似性將數(shù)據(jù)對象劃分為不同的簇(類),使得相同簇中的元素盡可能相似,不同簇中的元素差別盡可能的大。聚類已經(jīng)在信息過濾、資料自動分類、市場分析等領(lǐng)域得到了廣泛的應(yīng)用。高維聚類作為聚類中一項新的任務(wù)已經(jīng)引起了研究人員的廣泛關(guān)注,由于高維數(shù)據(jù)所特有的“稀疏性”和“維度效應(yīng)”,傳統(tǒng)的聚類算法在處理高維數(shù)據(jù)時效率往往很低

2、甚至失效。而現(xiàn)實生活中又存在著大量的高維數(shù)據(jù),如零售交易數(shù)據(jù)、文檔數(shù)據(jù)、空間數(shù)據(jù)、地理數(shù)據(jù)、多媒體數(shù)據(jù)、網(wǎng)絡(luò)訪問數(shù)據(jù)、時間序列數(shù)據(jù)、基因數(shù)據(jù)等都可以達到成百上千維,甚至更高。由于高維數(shù)據(jù)的普遍性,因此研究針對高維數(shù)據(jù)的聚類算法具有非常重要的意義。
   本文在對現(xiàn)有高維聚類算法進行了深入研究的基礎(chǔ)上,提出了一種基于相似維的高維子空間聚類算法SDSCA。算法首先通過Gini值來刪除原高維數(shù)據(jù)空間中的冗余屬性,然后運用相似維來尋找彼

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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