基于劃分聚類算法的研究及其應(yīng)用.pdf

1、數(shù)據(jù)挖掘是在大數(shù)據(jù)集中通過一定的算法挖掘出對人們有用的知識和信息，數(shù)據(jù)挖掘在當(dāng)今時代社會生活中應(yīng)用非常的廣泛。聚類分析算法是數(shù)據(jù)挖掘中最為主要的研究領(lǐng)域之一，聚類分析是一種無監(jiān)督的機(jī)器學(xué)習(xí)算法，事先不需要對數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，k-means算法是一種劃分式聚類算法。由于，k-means算法思想相對簡單，且該算法易于實(shí)現(xiàn)以及對于大數(shù)據(jù)集具有較好的伸縮性等優(yōu)點(diǎn)，在實(shí)際中應(yīng)用的最為廣泛。但是k-means算法也有很多不盡人意的地方。本文主要做

2、了以下的工作：
　　首先，針對k-means算法對孤立點(diǎn)和面對大數(shù)據(jù)時間復(fù)雜度高的問題，對處理的數(shù)據(jù)集構(gòu)建倒排索引，然后用WAND算法在倒排索引結(jié)構(gòu)中查詢與中心點(diǎn)相似的指定個數(shù)的數(shù)據(jù)樣本。這樣可以減少k-means算法的時間復(fù)雜度。同時，WAND剪枝算法具有很好的穩(wěn)定性，可以很好的將孤立點(diǎn)自動的選擇出來，因此可以改善k-means算法易受孤立點(diǎn)影響和時間復(fù)雜度高的問題。
　　然后，對算法的研究寫出改進(jìn)后算法的偽代碼，并將改進(jìn)