數(shù)據(jù)挖掘K-means聚類算法的研究.pdf

1、近年來，全球數(shù)據(jù)的快速積累以及傳播速度不斷地提高。人們面對如此海量的數(shù)據(jù)，處理方式略顯落后，因此數(shù)據(jù)挖掘技術得到了前所未有的迅猛發(fā)展。數(shù)據(jù)挖掘就是從龐大的數(shù)據(jù)集中發(fā)現(xiàn)未知的、有規(guī)律性的但又具有價值的過程。聚類分析作為數(shù)據(jù)挖掘的重要技術之一，其目的在于同一類別相似度盡可能的大，而不同類別相似度盡可能的小。
　　K-means算法是最知名、最常用的聚類算法之一，它是基于劃分的算法。該算法在處理均值數(shù)據(jù)時快速、有效，計算復雜度具有可擴展

2、性等特點。但是必須需要用戶事先確定聚類個數(shù)，并且常常終止于局部最優(yōu)致使得不到最佳聚類結果，隨機選取初始聚類中心使得聚類結果不穩(wěn)定，此外對孤立點與噪聲非常敏感等缺點。
　　本文首先介紹了數(shù)據(jù)挖掘的研究背景與意義，然后從聚類的準則函數(shù)、數(shù)據(jù)類型、數(shù)據(jù)結構和相似度等相關概念介紹了聚類分析，在此基礎上全面細致地研究了K-means算法的原理、優(yōu)點與缺點。針對K-means算法的缺點提出了兩種改進算法:首先從K-means算法需要用戶事先指

3、定k值大小的缺點提出了距離最大自動生成k值算法，通過距離最大的思想確定k值從而使用戶減少對該參數(shù)的依賴;接著利用坐標旋轉算法改進了隨機選取初始中心的缺點，該算法在確定了初始中心點確保聚類結果變得穩(wěn)定，并且避免了局部最優(yōu)的情況，通過大量實驗論證了兩種改進算法的可行性與正確性。最后將改進算法和K-means算法應用在市場細分中，對淘寶網(wǎng)中男士錢包的各種品牌以及店鋪銷售情況做了細分結果，得出了細致的劃分，為企業(yè)決策者提供了商業(yè)決策，從而對企業(yè)