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、在基于劃分方法的聚類算法中,k-means算法因為簡單易實現(xiàn)的特點而得到廣泛的應(yīng)用。然而它存在諸多的缺點特別是對于大規(guī)模數(shù)據(jù)不能進行有效的聚類分析。本文主要研究了如何在k-means算法中應(yīng)用網(wǎng)格的思想,如何改進網(wǎng)格方法中存在的問題,以及如何改進k-modes聚類算法并如何將其應(yīng)用到軟件安全檢測的問題。這些問題的研究在模式識別、數(shù)據(jù)分析、市場研究以及其它與聚類相關(guān)處理過程的分析中具有重要的意義。
首先,本文提出了一種基于網(wǎng)格密
2、度的改進聚類算法 CABGD。在CABGD中,提出了網(wǎng)格中心密集度概念,通過計算網(wǎng)格中心密集度的值來識別網(wǎng)格內(nèi)數(shù)據(jù)的分布,解決了傳統(tǒng)網(wǎng)格算法中由于人為劃分網(wǎng)格不當而導(dǎo)致聚類精度降低的問題。這種算法在聚類精度上優(yōu)于傳統(tǒng)基于網(wǎng)格的聚類算法。
其次,提出了一種基于網(wǎng)格的改進的k-means聚類算法IKMG。將單個網(wǎng)格作為基本的處理單元,同時應(yīng)用并進一步改進了中心密集度概念,并設(shè)計了一種新的數(shù)據(jù)結(jié)構(gòu)—聚類樹。通過聚類樹來組織和調(diào)整聚類
3、簇,樹的生成合并過程就是聚類過程。最終生成k個聚類樹即聚類結(jié)果。在聚類大規(guī)模數(shù)據(jù)時,IKMG較傳統(tǒng)的k-means算法有更高的時間效率,能發(fā)現(xiàn)任意形狀大小的簇,無需人為指定k值的優(yōu)點。
最后,設(shè)計了一種相似特征樹的數(shù)據(jù)結(jié)構(gòu)SFT,SFT作為一種軟件故障檢測的工具,主要用來提高軟件安全檢測的效率。為了構(gòu)建SFT,提出了一種改進的k-modes聚類算法IKMD。在算法IKMD中,初始眾數(shù)的選擇進行于聚類的整個過程中。聚類結(jié)果以k棵
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(yù)覽,若沒有圖紙預(yù)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
- 基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應(yīng)用研究.pdf
- 面向大規(guī)模數(shù)據(jù)的聚類算法研究及應(yīng)用.pdf
- 大規(guī)模數(shù)據(jù)挖掘聚類算法的研究與實現(xiàn).pdf
- 面向大規(guī)模數(shù)據(jù)集的譜聚類方法研究.pdf
- 基于同步理論的大規(guī)模數(shù)據(jù)聚類算法分析及應(yīng)用研究.pdf
- 大規(guī)模數(shù)據(jù)集高效數(shù)據(jù)挖掘算法研究.pdf
- 基于協(xié)同進化和譜聚類的大規(guī)模數(shù)據(jù)集快速聚類方法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的自適應(yīng)聚類算法并行化研究.pdf
- 面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究.pdf
- 大規(guī)模數(shù)據(jù)聚類技術(shù)研究與實現(xiàn).pdf
- 改進的人工免疫網(wǎng)絡(luò)算法及其大規(guī)模數(shù)據(jù)聚類研究.pdf
- 基于圖聚類算法的大規(guī)模RDF數(shù)據(jù)查詢方法研究.pdf
- 大規(guī)模數(shù)據(jù)集下一種增量譜聚類算法與框架的研究.pdf
- 針對大規(guī)模時間序列數(shù)據(jù)的改進聚類算法.pdf
- 大規(guī)??茖W數(shù)據(jù)挖掘中密度聚類算法的研究.pdf
- 大規(guī)模數(shù)據(jù)聚類分析方法研究.pdf
- 基于數(shù)據(jù)場的劃分聚類算法研究.pdf
- 基于大規(guī)模數(shù)據(jù)集的知識適配研究.pdf
- 大規(guī)模數(shù)據(jù)圖的壓縮算法及圖操作算法研究.pdf
- 面向大規(guī)模數(shù)據(jù)的單體分型算法研究.pdf
評論
0/150
提交評論