数据挖掘中的聚类算法研究

《数据挖掘中的聚类算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘中的聚类算法研究第三章数据挖掘屮的聚类分析目录摘要Abstract第一章绪论第三章数拯挖掘中的聚类分析第二章数据挖掘简介第三章数据挖掘中的聚类分析第四章基于密度和层次的快速聚类算法第五章实验分析及性能比较第六章总结和展望参考文献致谢在读期间公开发表的论文和承担科研项H及取得成果目录摘要ABSTRACT第一章绪论•1§1.1数据挖掘产生的背景•1§1.2国内外研究的现状及发展.1§1.3本文研究的主要内容.2第二章数据挖掘简介.4§2.1数据挖掘的定义.4§2.2数据挖掘的研究内容和木质.5§2.3数据挖掘的流程.6§2.4数据挖掘涉及的主

2、要技术.8§2.4.1关联规则.8§2.4.2分类算法.9第三章数据挖掘中的聚类分析§2.4.3聚类分析.11§2.5目前数据挖掘领域研究方向・12第三章数拯挖掘中的聚类分析•14§3.1聚类分析的定义・14§3.2聚类分析中的数拯结构.14§3.3聚类分析屮的数据类型・15§3.4对现冇聚类算法的研究.18§3.4.1串行聚类算法・18§3.4.1.1划分方法(partitioningmethod).18§3.4.1.2层次方法(hierarchicalmethod).19§3.4.1.3基于密度的方法(density-basedmethod)

3、.22§3.4.1.4基于网格的方法(grid-basedmethod).24§3.4.1.5基于模型的方法(model-basedmethod).26§3.4.2并行聚类算法.27§3.5设计聚类算法的准则.27第四章基于密度和层次的快速聚类算法.30§4.1算法思想的形成过程.30§4.2基于密度和层次的快速聚类算法的思想.32§4.3算法相关的基本概念.33§4.4算法描述.33§4.4.1数据结构.35§4.4.2确定候选代表点集合.36第三章数据挖掘中的聚类分析§4.4.3确定代表点集合.39§4.4.4确定代表点代表区域内的点集.40

4、§4.4.5对代表点集合进行簇的划分.41§4.4.6将代表点的聚类划分映射到数据点.42§4.4.7聚类结果.42§4.5算法的时空复杂度分析.42§4.5.1时间复杂度.42§4.5.2空间复杂度.43第五章实验分析及性能比较.44§5.1聚类效果的比较.44§5.2输入参数的设定.45§5.3执行效率的比较.45第六章总结和展望.47§6.1工作总结.47§6.2问题与展望.48参考文献.49在读期间公开发表的论文和承担科研项冃及取得成果.53致谢.54摘耍聚类分析是数据挖掘的重耍组成部分，近年來在该领域的研究取得了长足的发展。笫三章数据挖

5、掘中的聚类分析通过对现有的聚类算法的研究，如基于划分的聚类方法、基于层次的聚类方法、基于密度的聚类方法、基丁•网格的聚类方法、基于模型的聚类方法以及整合了多种聚类算法的综合算法，可以发现，这些算法在特定的领域中、特定的情形下取得了良好的效杲。但由于数据•集的增大和数据复杂性的提高，聚类算法无论是从算法运算的时间上，还是从算法本身所需要的存储空间上都急剧的膨胀，使得在现有资源下很难实现数据集的最终聚类。本论文在对各种算法深入分析的基础上，尤其在对基于密度的聚类算法、基于层次的聚类算法和基于划分的聚类算法的深入研究的棊础上，提出了一种新的基于密度和层

6、次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点，而冃貝有近似线性的时间复杂性，因此该算法适合对人规模数据的挖掘。理论分析和实验结果也证明了基于密度和层次的聚类算法具有处理任意形状簇的聚类、对噪音数据不敏感的特点，并11其执行效率明显高于传统的DBSCAN算法。关键词：数据挖掘聚类分析簇代表点密度AbstractClusteringanalysisisanimportantpartofthewholeDataMiningsystem.Theresearchinthisfieldhasgotagreatadvancementinr

7、ecentyears.Bythestudyingoftheseclusteringalgorithms,suchas,Partitioningmethods,Hierarchicalmethods,Density-basedmethods,Grid-basedmethods,Model-basedmethodsandsomeclusteringalgorithmsintegratetheideasofseveralclusteringmethods.Wewillfind,althoughallthesemethodshavegotgreatach

8、ievementindifferentfields,thehugequantityandhighcomplexityoftheorigi