聚類算法dbscan和fcm算法實現(xiàn)

《聚類算法dbscan和fcm算法實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、西南交通大學(xué)本科畢業(yè)設(shè)計（論文）I-MINER環(huán)境下聚類分析算法研究與實現(xiàn)年級:2004學(xué)號:20041892姓名:徐德專業(yè):計算機科學(xué)與技術(shù)指導(dǎo)老師:楊燕二零零八年六月西南交通大學(xué)本科畢業(yè)設(shè)計(論文)第60頁院系信息科學(xué)與技術(shù)學(xué)院專業(yè)計算機科學(xué)與技術(shù)年級2004級姓名徐德題目I-Miner環(huán)境下聚類分析算法研究與實現(xiàn)指導(dǎo)教師評語指導(dǎo)教師(簽章)評閱人評語評閱人(簽章)成績答辯委員會主任(簽章)年月日西南交通大學(xué)本科畢業(yè)設(shè)計(論文)第60頁畢業(yè)設(shè)計任務(wù)書班級計算機3班學(xué)生姓名徐德學(xué)號20041892專業(yè)計算機科學(xué)與技術(shù)發(fā)題日期：2008年1月10日完成日

2、期：2008年6月12日題目I-Miner環(huán)境下聚類分析算法研究與實現(xiàn)題目類型：工程設(shè)計*技術(shù)專題研究理論研究軟硬件產(chǎn)品開發(fā)一、設(shè)計任務(wù)及要求1．學(xué)習(xí)數(shù)據(jù)挖掘原理，了解當前聚類分析算法的研究現(xiàn)狀。2．熟練掌握數(shù)據(jù)挖掘工具I-Miner的使用。3．分析各種聚類算法的特點，用I-Miner中S語言實現(xiàn)2-3種聚類算法，擴展I-Miner功能。4．在I-Miner環(huán)境下用大量實例（包括Web文檔）進行聚類算法性能對比。二、應(yīng)完成的硬件或軟件實驗用S語言實現(xiàn)2-3種聚類算法，對實例進行處理，觀察聚類結(jié)果，對比各種算法優(yōu)劣。三、應(yīng)交出的設(shè)計文件及實物（包括設(shè)計論文

3、、程序清單或磁盤、實驗裝置或產(chǎn)品等）1.畢業(yè)設(shè)計論文2.源程序清單3.已擴展功能的I-Miner西南交通大學(xué)本科畢業(yè)設(shè)計(論文)第60頁四、指導(dǎo)教師提供的設(shè)計資料1.Jiaweihan,MichelineKamber,數(shù)據(jù)挖掘概念與技術(shù)（第2版），機械工業(yè)出版社，20072.邵峰晶，于忠清，數(shù)據(jù)挖掘原理與算法，中國水利水電出版社，2003，83.S+Miner入門手冊，北京宏能暢然數(shù)據(jù)應(yīng)用有限公司編譯，2007，4五、要求學(xué)生搜集的技術(shù)資料（指出搜集資料的技術(shù)領(lǐng)域）查找與聚類分析算法相關(guān)的文章10篇（中英文各5篇）六、設(shè)計進度安排第一部分學(xué)習(xí)數(shù)據(jù)挖掘原理

4、和聚類算法（2周）第二部分學(xué)習(xí)掌握數(shù)據(jù)挖掘工具I-Miner的使用（1周）第三部分用S語言實現(xiàn)2-3種聚類算法（7周）第四部分用實例（包括Web文檔）進行聚類算法性能對比（5周）第五部分撰寫論文（2周）評閱及答辯（1周）指導(dǎo)教師：年月日學(xué)院審查意見：審批人：年月日西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院2008年西南交通大學(xué)本科畢業(yè)設(shè)計(論文)第60頁摘要由于計算機和數(shù)據(jù)采集技術(shù)的進步，數(shù)據(jù)挖掘獲得了非常廣泛的應(yīng)用。數(shù)據(jù)挖掘幫助用戶發(fā)現(xiàn)隱藏在大型數(shù)據(jù)庫種的規(guī)律和模式，它融合了人工智能、統(tǒng)計、機器學(xué)習(xí)、模式識別和數(shù)據(jù)庫等多種學(xué)科的理論、方法與技術(shù)。數(shù)據(jù)挖掘模型包括決

5、策樹、關(guān)聯(lián)規(guī)則、聚類、神經(jīng)網(wǎng)絡(luò)、粗糙集、概念格、遺傳算法、序列模式、貝葉斯、支持向量機、模糊集和基于案例的推理。其中，聚類是數(shù)據(jù)挖掘領(lǐng)域的核心技術(shù)，被廣泛應(yīng)用于相似搜索、顧客劃分、趨勢分析、金融投資和信息檢索等領(lǐng)域。I-Miner是一個企業(yè)級的數(shù)據(jù)挖掘工具。在I-Miner的環(huán)境下可以方便的建立數(shù)據(jù)挖掘模型，并且能夠嵌入其它數(shù)據(jù)挖掘模型。對于一個數(shù)據(jù)挖掘的非專業(yè)用戶，都能夠用I-Miner實現(xiàn)知識的發(fā)現(xiàn)。聚類分析是一種非監(jiān)督型知識發(fā)現(xiàn)的方法，能有效的處理大量的、繁雜的、屬性眾多的且沒有類標志的數(shù)據(jù)。聚類的目標是在沒有任何經(jīng)驗知識的前提下，將數(shù)據(jù)聚集成不同

6、的簇，使得相同簇中的元素盡可能相似，不同簇中的元素差別盡可能大。通過聚類，人們能夠識別密集的和稀疏的區(qū)域，因而發(fā)現(xiàn)全局的分布模式，以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。DBSCAN算法能實現(xiàn)任意形狀的數(shù)據(jù)集的聚類，模糊C均值適合于那些在簇中心周圍呈均勻分布的數(shù)據(jù)集，CABOSFV算法對于高維稀疏數(shù)據(jù)集（如WEB數(shù)據(jù)）能很好地聚類。本文在I-Miner中嵌入DBSCAN、CABOSFV和模糊C均值三種聚類分析算法，能夠極大地滿足用戶的需要，建立數(shù)據(jù)挖掘模型，支持生產(chǎn)決策。關(guān)鍵詞：數(shù)據(jù)挖掘；聚類分析；DBSCAN算法；模糊C均值；CABOSFV算法西南交通大學(xué)本科

7、畢業(yè)設(shè)計(論文)第60頁AbstractAsthedevelopmentofcomputeranddatagatheringtechnology,thedataminingiswidelyused.Dataminingwhichfusedthetheories,methodandtechnologyofmanykindsofdisciplinessuchasartificialintelligence,statistics,machinelearning,patternrecognitionanddatabasehelpuserfindtherulesa

8、ndpatternwhichplantinthelarge-scaledatab