本文關(guān)鍵詞：基于K-means算法及層次聚類算法的研究與應(yīng)用

  更多相關(guān)文章： 聚類改進 k-means算法 算法實現(xiàn) 凝聚型層次聚類算法

【摘要】：隨著世界上各行各業(yè)的快速發(fā)展,人們面臨著越來越多的數(shù)據(jù),大數(shù)據(jù)的時代已經(jīng)到來,人們開始探索研究大數(shù)據(jù)為生活以及社會活動帶來的影響。在研究中,對大數(shù)據(jù)的處理方法成為備受關(guān)注的熱點之一。在對大量數(shù)據(jù)的處理中,聚類分析是一個重要的手段。在醫(yī)療診斷、圖像處理、信息檢索、統(tǒng)計學(xué)、生物學(xué)等領(lǐng)域的應(yīng)用都非常廣泛。由于聚類算法在應(yīng)用中呈現(xiàn)的算法簡單、容易實現(xiàn)且應(yīng)用效果較好,從而引起了專家學(xué)者的廣泛關(guān)注。隨著聚類算法的應(yīng)用領(lǐng)域的不斷拓寬,使得人們對聚類算法的研究成為數(shù)據(jù)挖掘領(lǐng)域的一個熱點問題,也使其成為是利用計算機實現(xiàn)低級視覺到高級視覺的核心環(huán)節(jié)。本文在學(xué)習(xí)基于大數(shù)據(jù)背景下的聚類算法的原理與應(yīng)用的基礎(chǔ)上,借鑒前人的研究經(jīng)驗,對算法的產(chǎn)生、原理及實現(xiàn)進行了研究,同時對聚類算法進行了實驗對比,通過分析聚類的效果驗證了算法的可行性和具體應(yīng)用條件。本論文主要描述了K-means算法、層次聚類算法的原理和實現(xiàn)方法及其優(yōu)缺點,并針對算法存在的缺點進行改進,提出改進方案;對K-means算法的初始聚類中心點選取對聚類效果的影響進行分析;對于層次聚類算法在聚類中存在合并點選擇的難題進行實驗分析;對K-means算法和層次聚類算法的聚類效果進行了實驗對比。以逐步改進算法聚類效果為目的,為實際應(yīng)用提供可靠依據(jù),我們使用Java軟件對分割算法進行了仿真,取得了一定的研究經(jīng)驗。最后,對聚類算法的改進過程進行記錄,測試改進的算法,使它給出在某種環(huán)境和數(shù)據(jù)范圍下會產(chǎn)生更好的聚類結(jié)果。為聚類算法在數(shù)據(jù)處理中的應(yīng)用提供了參考依據(jù),為解決其它類似復(fù)雜模式的識別問題的研究提供重要啟示。
【關(guān)鍵詞】：聚類改進 k-means算法 算法實現(xiàn) 凝聚型層次聚類算法
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第1章 概述10-14
• 1.1 研究背景及選題意義10
• 1.2 國內(nèi)外的研究現(xiàn)狀10-12
• 1.3 論文的內(nèi)容12-13
• 1.4 論文主要創(chuàng)新點13
• 1.5 本章小結(jié)13-14
• 第2章 聚類算法的原理14-27
• 2.1 聚類算法的概述以及相關(guān)術(shù)語14-15
• 2.2 基本聚類算法15-23
• 2.2.1 基于劃分的聚類及性能的分析15-20
• 2.2.2 基于層次的聚類及性能的分析20-21
• 2.2.3 基于密度的聚類算法21-23
• 2.3 AP聚類算法23-26
• 2.3.1 AP聚類算法概述23-24
• 2.3.2 AP聚類算法的相似度矩陣24-25
• 2.3.3 AP聚類算法的信息參量矩陣25-26
• 2.3.4 AP聚類算法的步驟與具體流程26
• 2.4 本章小結(jié)26-27
• 第3章 聚類方法的改進27-34
• 3.1 基于K-MEANS聚類改進27-30
• 3.1.1 基本定義27-28
• 3.1.2 算法描述28-29
• 3.1.3 算法實驗29-30
• 3.2 層次聚類算法研究及改進30-32
• 3.2.1 研究基礎(chǔ)30-31
• 3.2.2 層次聚類的改進31-32
• 3.2.3 實驗仿真32
• 3.3 本章小結(jié)32-34
• 第4章 聚類算法的實現(xiàn)與應(yīng)用34-43
• 4.1 代碼編寫34-37
• 4.2 算法檢驗37-41
• 4.2.1 在教學(xué)質(zhì)量管理中的應(yīng)用37-39
• 4.2.2 算法可視化39-41
• 4.3 K-MEANS聚類算法的現(xiàn)實數(shù)據(jù)的測試41-42
• 4.4 本章小結(jié)42-43
• 第5章 結(jié)論建議43-45
• 參考文獻45-50
• 致謝50

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳旭玲;樓佩煌;;改進層次聚類算法在文獻分析中的應(yīng)用[J];數(shù)值計算與計算機應(yīng)用;2009年04期

2 楊棟;詹海亮;蘇錦旗;;基于區(qū)域最近鄰生長的層次聚類算法[J];化工自動化及儀表;2010年05期

3 王嫻;楊緒兵;周宇;周溜溜;;一種基于類中心矯正的層次聚類算法[J];微電子學(xué)與計算機;2011年10期

4 謝振平;王士同;王曉明;;一種基于軟邊界球分的分裂式層次聚類算法[J];模式識別與人工智能;2008年04期

5 姚玉欽;李金廣;;一種基于網(wǎng)格的層次聚類算法[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);2009年04期

6 李俊輝;;基于不確定圖的層次聚類算法研究[J];中國管理信息化;2012年24期

7 李新良;;基于層次聚類算法的改進研究[J];軟件導(dǎo)刊;2007年19期

8 劉興波;;凝聚型層次聚類算法的研究[J];科技信息(科學(xué)教研);2008年11期

9 郭曉娟;劉曉霞;李曉玲;;層次聚類算法的改進及分析[J];計算機應(yīng)用與軟件;2008年06期

10 史變霞;張明新;;一種改進的層次聚類算法[J];微電子學(xué)與計算機;2010年12期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 馬曉艷;唐雁;;層次聚類算法研究[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

2 饒金通;董槐林;姜青山;;基于孤立因子的層次聚類算法與應(yīng)用[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 吳楠楠;史亮;饒金通;姜青山;董槐林;;一種改進的高效層次聚類算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳遠浩;非監(jiān)督的結(jié)構(gòu)學(xué)習(xí)及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郭芳芳;面向分類型集值數(shù)據(jù)的層次聚類算法研究[D];山西大學(xué);2015年

2 李彩云;基于密度的改進型層次聚類算法研究[D];蘭州大學(xué);2016年

3 喬端瑞;基于K-means算法及層次聚類算法的研究與應(yīng)用[D];吉林大學(xué);2016年

4 瞿俊;基于重疊度的層次聚類算法研究及其應(yīng)用[D];廈門大學(xué);2007年

5 楊海斌;一種新的層次聚類算法的研究及應(yīng)用[D];西北師范大學(xué);2011年

6 張冬梅;基于輪廓系數(shù)的層次聚類算法研究[D];燕山大學(xué);2010年

7 李慧馳;基于三度信息的雙重層次聚類算法[D];武漢理工大學(xué);2013年

8 張文開;基于密度的層次聚類算法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

9 段明秀;層次聚類算法的研究及應(yīng)用[D];中南大學(xué);2009年

10 李欣欣;基于MPI的層次聚類算法的研究及實現(xiàn)[D];哈爾濱理工大學(xué);2012年

，

本文編號：903923