資源描述：
《基于劃分和密度的聚類算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)’F進行的研冤工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得噎纖筘求磬域其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意．學(xué)位論文作者簽名：撇簽字日期：20JJ年歹月／o日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解奶敦大孕有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借
2、閱·本人授權(quán)腑以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。。(傈密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：于疆，＆導(dǎo)師簽名：簽字日期：乃If年歲月／p日簽字日期：學(xué)位論文作者畢業(yè)去向：‘工作單位：電話：涵訊地如E：郵編：矽『『年f月fp日摘要mII11111IIIIIIIII111111111＼1974784近年來隨著信息產(chǎn)業(yè)的迅速發(fā)展，數(shù)據(jù)挖掘得到了廣泛的應(yīng)用．?dāng)?shù)據(jù)挖掘主要包括關(guān)聯(lián)分析，分類，聚類等應(yīng)用。聚類是數(shù)據(jù)挖掘的一個重要研究方向。傳統(tǒng)的聚類
3、算法包括劃分方法、層次方法、基于密度方法、基于網(wǎng)格方法和基于模型方法。聚類可以有效處理大量復(fù)雜沒有類標(biāo)志的數(shù)據(jù)集，廣泛應(yīng)用于金融業(yè)，生物學(xué)，天文學(xué)等多個領(lǐng)域。本文首先介紹了數(shù)據(jù)挖掘的相關(guān)概念，然后詳細介紹了傳統(tǒng)的聚類算法，劃分聚類和密度聚類比較常用，但是傳統(tǒng)的聚類算法本身存在許多問題，比如容易受數(shù)據(jù)輸入順序影響以及孤立點影響等，降低了聚類的質(zhì)量。所以本文主要對K-Means算法和DBSCAN算法進行分析和研究，提出改進思想，從而有效的提高算法質(zhì)量。K-Means算法是一種經(jīng)典的聚類算法，有很多優(yōu)點，也存在許多不足。比如初
4、始聚類數(shù)K要事先指定，初始聚類中心選擇存在隨機性，算法容易生成局部最優(yōu)解，受孤立點的影響很大等。本文主要針對K-Means算法初始聚類中心的選擇以及孤立點問題加以改進，首先計算所有數(shù)據(jù)對象之間的距離，根據(jù)距離和的思想排除孤立點的影響，然后提出了一種新的初始聚類中心選擇方法，并通過實驗比較了改進算法與原算法的優(yōu)劣。實驗表明，改進算法受孤立點的影響明顯降低，而且聚類結(jié)果更接近實際數(shù)據(jù)分布．DBSCAN算法是一種基于密度的聚類算法，可以在帶有噪聲的環(huán)境下發(fā)現(xiàn)任意形狀的類。但是算法對輸入?yún)?shù)Eps敏感，DBSCAN由于采用全局E
5、ps值，所以在數(shù)據(jù)密度不均勻和類間距離相差比較大的情況下，聚類質(zhì)量會受到很大影響。本文主要針對算法輸入?yún)?shù)Eps以及數(shù)據(jù)密度不均勻問題加以改進，提出了一種新的數(shù)據(jù)分區(qū)方法，通過對k—dist圖縱坐標(biāo)距離值單維度聚類，然后對比橫坐標(biāo)實現(xiàn)分區(qū)，使每個分區(qū)的數(shù)據(jù)盡可能均勻．實驗證明，改進算法明顯緩解了全局Eps導(dǎo)致的聚類質(zhì)量惡化問題，聚類結(jié)果更加準(zhǔn)確。關(guān)鍵詞：數(shù)據(jù)挖掘，聚類分析，K-Means算法，孤立點，DBSCAN算法，數(shù)據(jù)分區(qū)基于劃分和密度的聚類算法研究。AbstractInrecentyears，wimthedevel
6、opmentofITindustry，datamininghasbeenappliedwidely．Dataminingmainlyincludescorrelationanalysis，categories，clusteringandSOon．Clusteringisanimportantresearchdirectionfordatamining．Thetraditionclusteringalgorithmincludespartition-basedmethod，levelmethod，density-based
7、method，grid-basedmethodandmodel-basedmethod．Clusteringcaneffectivelydeal麗malargenumberofdatawhichhavenotsignofclass，Clusteringiswidelyusedinfinance，biology,astronomyandsomeotherfields．Aboveall，thisthesisintroducedtheconceptsofdatamining,thenthisthesisintroducedth
8、etraditionalclusteringalgorithm．Partitionclusteringanddensityclusteringareusedcommonly．However,thetraditionalclusteringalgorithmhasmanyproblems，forexample，thea
