改進的自適應性密度聚類算法.pdf_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、數據挖掘的主要目標就是在海量數據中發(fā)現(xiàn)隱含在數據內部的不易被察覺的對決策者有用的信息。面臨海量的數據資料，我們的首要的使命是將這些數據進行合理的歸類。聚類的定義為:將抽象的數據對象的集合或者物理的數據對象集合分成相似的對象集合的過程。以基于密度、基于劃分等為代表的是聚類算法，是聚類過程中主要使用的手段。計算機技術的進步和互聯(lián)網技術的發(fā)展給數據處理帶來前所未有的挑戰(zhàn)。計算機和互聯(lián)網技術的發(fā)展使得需要處理的數據類型越來越復雜和數據量也越來越

2、大。數據類型和數據量級的增加使得數據挖掘技術在數據處理方面顯得尤為重要。
　　在數據挖掘中，基于密度的聚類分析方法意義重大。大多數聚類算法如DBSCAN算法和OPTICS算法等在聚類過程需要輸入參數，而傳統(tǒng)意義下這些參數由算法使用者隨意設定。顯然，人為選擇參數有很大盲目性。很多情況下，算法的使用者找不到適合某個數據集的參數。為了解決此問題，本文提出ADCA算法。ADCA算法在基于密度的聚類方法基礎之上加入了數據分層思想和基于數據集

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