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
文檔簡介
1、我們生活在一個信息化的時代,各種信息急劇膨脹,為了有效利用這些信息,數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術(shù)應運而生,并顯示出強大的生命力。本文對數(shù)據(jù)挖掘技術(shù),尤其是文本挖掘和聚類分析進行了較為系統(tǒng)地分析和研究,提出了一些改進算法。 聚類分析在數(shù)據(jù)挖掘研究中占有重要的位置。所謂聚類,就是將物理或抽象對象的集合劃分成為由類似的對象組成的多個類的過程。聚類分析依據(jù)的原則是使同一類中的對象具有盡可能大的相似性,而不同類中的對象相似性較小。 由于
2、聚類分析的重要性和特殊性,近年來該領域的研究取得了長足的發(fā)展,涌現(xiàn)出了許多聚類分析的方法,如基于劃分(Partition-Based)的聚類方法、基于模型(Model-Based)的聚類方法等等。 本文首先系統(tǒng)介紹了各種聚類算法,分析了聚類算法的關鍵技術(shù),然后在原有算法基礎上,給出了兩種改進算法:一種是對自組織特征映射(Self-OrganizingfeatureMaps,SOM)算法的改進,通過對SOM算法中的權(quán)值初始化進行了
3、重點分析和討論,針對權(quán)值隨機初始化,其網(wǎng)絡模型訓練時間長的缺點,提出了從待聚類的數(shù)據(jù)集中找出k個有代表性的點對SOM網(wǎng)絡權(quán)值進行初始化。改進后的SOM算法減小了網(wǎng)絡的訓練時間。另一種是提出了一種聚類組合算法,針對K-means算法初始聚類中心選取不當對聚類結(jié)果影響較大的問題,提出了一種把自組織特征映射和K-means算法相結(jié)合的方法,先用SOM算法對數(shù)據(jù)進行粗略的聚類,然后用SOM的連接權(quán)值對K-means算法的初始聚類中心進行初始化,
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。
最新文檔
- 聚類分析及其在文本挖掘中的應用.pdf
- 聚類分析在文本挖掘中的應用與研究.pdf
- 聚類分析在Web文本挖掘中的應用研究.pdf
- 文本聚類分析研究及在中文新聞系統(tǒng)中的應用.pdf
- 聚類分析及其在Web日志挖掘中的應用研究.pdf
- WEB文本挖掘的聚類分析.pdf
- 數(shù)據(jù)挖掘中的聚類分析及其在控制中的應用研究.pdf
- 文本挖掘及其在文本檢索中的應用.pdf
- 聚類分析及其在移動通信企業(yè)數(shù)據(jù)挖掘分析中的應用研究.pdf
- 聚類分析技術(shù)在分類挖掘中的應用研究.pdf
- 聚類分析在科學數(shù)據(jù)挖掘中的應用研究.pdf
- 空間數(shù)據(jù)挖掘中的聚類分析研究.pdf
- 聚類分析研究及其在生物數(shù)據(jù)分析中的應用.pdf
- 數(shù)據(jù)挖掘中聚類分析的研究與應用.pdf
- 基于文本挖掘的領域信息聚類分析
- 聚類分析在數(shù)據(jù)挖掘中的應用.pdf
- 基于外在知識的短文本聚類分析研究.pdf
- 文本挖掘在專利分析中的應用研究.pdf
- 聚類分析在交通流時序數(shù)據(jù)挖掘中的應用.pdf
- 蟻群算法的聚類分析研究及在HRM中的應用.pdf
評論
0/150
提交評論