欢迎来到天天文库
浏览记录
ID:36707444
大小:17.32 MB
页数:162页
时间:2019-05-14
《聚类分析优化关键技术研究》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、作者简介王纵虎,1984年生,浙江湖州人。2007年毕业于西安电子科技大学,获学士学位,2007保送硕士研究生,2009年3月提前攻博。2012年12月获西安电子科技大获工学博士学位。导师:刘志镜教授。主要研究方向:数据挖掘、聚类分析、文本挖掘、群体智能等。攻读博士学位期问的科研经历及代表性研究成果:参与了2项国家科技支撑计划项目和1项陕西省“13115”科技创新工程重大科技专项项目的研究工作。已在《西安电子科技大学学报》、《四川大学学报》、《西南交通大学学报》、《计算机科学》、《JournalofInformationandCo
2、mputationalScience))、FSKD等权威、核心刊物和国际重要学术会议发表学术论文10多篇,其中7篇被EI索引。ZonghuWang,wasborninHuzhou,ZhejiangProvince,China,in1984.HereceivedhisB.A.inComputerSciencefromXiDianUniversityin2003.Hewasrecommendedforadmissiontobeamasterofthesch001in2007.HestartedhisstudyasaPhDstudent
3、fromMarch2009.HegainedthePh.D.degreeinComputerApplicationTechnologyfromXidianUniversityinDecember2012.HedidhisresearchundertheguidanceofhissupervisorPro.LiuZhijing.HisresearchinterestsincludingDataMining,ClusteringAnalysis,TextMiningandSwarmIntelligence.Heparticipated
4、intwoKeyprojectsintheNationalScience&TechnologyPillarProgramandoneshaanxi1315scienceandtechnologyinnovationengineeringmajorscienceandtechnologyspecial.Hehaspublished1papersondomesticandinternationaljournalsandconferences,including“JournalofXidianUniversity”,“Journalof
5、SichuanUniversity”,“JournalofSourthwestUniversity”,‘‘ComputerScience”,“JournalofInformationandComputationalScience”,InternationalConferenceonFuzzySystemsandKnowledgeDiscovery,eta1.SevenOfthemhavebeenindexedbyEI.西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导
6、师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特另,IDH以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切的法律责任。本人签名:同期:理[兰:!三二兰关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。
7、学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本人日、』一一亥一乙一歹型上逾一●“¨r.1\:
8、斗一√一≥一霈兰密~一.,一保村一.,~于71忆一摘要聚类分析作为数据挖掘的一个重要研究领域,可以有效地帮助我们分析数据的分布、了解数据的特征、确定所感兴趣的数据类,寻找隐藏在数据中的结构,以便作进一步分析和利用。本文针对现有某些聚类算法存
9、在的不足,结合粒子群优化等方法对现有某些聚类算法存在的需要人工设置算法初始参数及提高聚类性能等问题进行了探讨并提出了解决方案。研究了成对约束先验信息如何扩展和指导聚类以提高聚类质量。针对文本数据高维稀疏的特性,对如何提高文本聚类效果进行了研究。本文
此文档下载收益归作者所有