密度聚類算法的研究與應用.pdf_第1頁
已閱讀1頁，還剩65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、隨著信息技術的飛速發(fā)展以及信息獲取的便利，人們已經被大量的信息淹沒。如何從信息的海洋中提取出人們感興趣的知識，完成特定的任務成為一個迫切需要解決的問題。基于這樣一種需求，用來幫助用戶從這些海量數(shù)據(jù)中分析出其間所蘊涵的有價值的模式和知識的技術——數(shù)據(jù)挖掘就應運而生了。聚類分析是數(shù)據(jù)挖掘中一種很重要的技術，對它進行深入研究不僅有著重要的理論意義，而且有著重要的應用價值。
　　通過在企業(yè)競爭情報系統(tǒng)中的應用，本文對 DBSCAN算法不足

2、的地方進行了改進，主要有以下兩點：
　　(1)在對種子對象進行類的擴展的時候，如果此種子對象不是核心對象，但是其鄰域中對象的數(shù)量接近 MinPts，我們可以將此種子對象鄰域中的對象歸到此類中。通過實驗比較，我們將這個界限值定位為0.85MinPts。
　　(2)當我們在核心對象的鄰域中選擇代表對象的時候不會引起對象的丟失，但是當對種子對象進行擴展的時候，就會有丟失。我們選擇距離核心對象較遠的對象作為種子對象。本文的算法中選擇

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(wǎng)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