基于两种改进的聚类算法对新浪微博用户信息的分析

基于两种改进的聚类算法对新浪微博用户信息的分析

ID:32059162

大小:7.60 MB

页数:62页

时间:2019-01-31

基于两种改进的聚类算法对新浪微博用户信息的分析_第1页
基于两种改进的聚类算法对新浪微博用户信息的分析_第2页
基于两种改进的聚类算法对新浪微博用户信息的分析_第3页
基于两种改进的聚类算法对新浪微博用户信息的分析_第4页
基于两种改进的聚类算法对新浪微博用户信息的分析_第5页
资源描述:

《基于两种改进的聚类算法对新浪微博用户信息的分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、苒‘都经济贸易大学硕十学位论文基于似种改进的聚类算法对新浪微博用户信息的研究目录l引言......⋯⋯⋯⋯....⋯⋯⋯.....⋯⋯⋯⋯。...........⋯.I1.1研究背景和意义.........⋯⋯⋯⋯.⋯⋯⋯⋯⋯.⋯.⋯⋯.11.1.I研究背景.⋯.....⋯⋯⋯......⋯⋯⋯⋯⋯...⋯⋯.11.1.2研究意义⋯⋯..⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.2微博用户研究的概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯21.2.1关于微博用户特征研究的概述......⋯⋯⋯......⋯.⋯⋯

2、21.2.2关于聚类算法研究的概述⋯⋯...⋯⋯⋯⋯⋯.⋯⋯⋯.41.3本文的主要工作⋯......⋯⋯⋯⋯⋯⋯⋯⋯⋯......⋯....51.4本文的结构安排.⋯...⋯⋯⋯⋯.....⋯⋯⋯⋯⋯...⋯⋯.51.5本章小结⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯52聚类分析的理论介绍⋯⋯.⋯⋯一⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.1聚类基本概念⋯..⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯...⋯⋯.62.i.1聚类的概述⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯...⋯⋯.62.1.2不同的聚类类型⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯

3、....⋯⋯⋯62.2主要聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.72.2.1基于划分的方法.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯72.2.2基于层次的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯82.2.3基于模型的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....⋯⋯⋯.82.2.4基于网格的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..92.2.5基于密度的方法⋯⋯⋯⋯⋯....⋯⋯⋯⋯⋯⋯⋯⋯.92。3聚类的评价比较.......⋯⋯⋯⋯.⋯⋯⋯⋯⋯......⋯⋯..102.3.1聚类过程评价⋯.⋯⋯⋯....⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯102.3.2聚类结果评价⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯i12。4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.123数据分析的准备工作⋯...⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯..133.1样本数据的收集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯.133.2样本数据的描述性统计分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯143.2.1离散型数据的描述性统计分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.143.2.2连续型数据的描述性统计分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.203.2.3所有数据的描述性统计分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..243.3

5、本章小结⋯⋯⋯⋯.⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯274微博用户特征样本数据的聚类分析⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯284.1样本数据的预处理以及特点介绍⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯..284.i.1样本数据的预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯.⋯⋯284.1.2样本数据的预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯.⋯⋯284.2基于划分的方法.⋯.⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯294.2.1传统K-Means算法的在在实际应用中的不足⋯⋯⋯⋯.⋯..294.2.2改进后K-Means算法的理论介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、.304.2.3改进后K-Means算法的应用过程⋯⋯⋯⋯⋯⋯⋯⋯⋯.314.2.4改进后K-Means算法的聚类结果⋯⋯⋯⋯⋯⋯⋯⋯⋯.324.3基于层次的方法.....⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....⋯.364.3.1传统层次聚类算法在实际应用中的不足⋯⋯⋯⋯......⋯.36首都经济贸易大学硕十学位论文基于两种改进n勺聚类算法对新浪微博用户信息的研究4.3.2TwoSep算法的理论介绍⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯374.3.3TwoStep算法的应用过程⋯⋯⋯.⋯⋯⋯⋯⋯.....⋯..4

7、04.3.4Two—Sep算法的聚类结果分析⋯......⋯⋯⋯.⋯.........434.4本章小结⋯⋯⋯.⋯⋯⋯⋯⋯.......⋯⋯⋯.......⋯⋯.475聚类结果的评估⋯⋯⋯...⋯⋯⋯⋯....⋯⋯⋯⋯⋯⋯⋯⋯.485.1聚类评价方法....⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.......⋯⋯485.2非监督的聚类评价方法⋯⋯⋯⋯......⋯⋯..⋯.......⋯⋯485.2.1Dunn指数(TheDunnindex)...⋯⋯⋯⋯⋯⋯.⋯.⋯.485.2.2轮廓指数(TheSilhoue

8、tteindex)⋯⋯⋯⋯...⋯⋯⋯.495.2.3Davies—Bouldin指数(TheDavies—Bouldinindex)⋯⋯⋯.505.3对聚类评价方法的应用(具体计算过程,程序包说明)⋯⋯⋯⋯..505.4对聚类评价结果的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.......⋯..515.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....:⋯⋯.516总结与展望⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯.536.1总结⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯..536.2展望⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。