資源描述：
《數(shù)據(jù)挖掘中聚類分析算法研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA工程碩士學(xué)位論文ENGINEERINGMASTERDISSERTATION論文題目數(shù)據(jù)挖掘中聚類分析算法研究與應(yīng)用工程領(lǐng)域軟件工程指導(dǎo)教師羅惠瓊教授作者姓名嚴(yán)勇班學(xué)號(hào)200531405028分類號(hào)密級(jí)注1UDC學(xué)位論文數(shù)據(jù)挖掘中聚類分析算法研究與應(yīng)用（題名和副題名）嚴(yán)勇（作者姓名）指導(dǎo)教師姓名羅惠瓊教授電子科技大學(xué)成都高軍副研究員甘孜州科技情報(bào)研究所康定（職務(wù)、職稱、學(xué)位、單位名稱及地址）申請(qǐng)專業(yè)學(xué)位級(jí)別碩士專業(yè)學(xué)位類別工
2、程碩士工程領(lǐng)域名稱軟件工程提交論文日期2007.10論文答辯日期2007.11學(xué)位授予單位和日期電子科技大學(xué)答辯委員會(huì)主席評(píng)閱人2007年月日注1：注明《國際十進(jìn)分類法UDC》的類獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。簽名：日期：年月日關(guān)于論文使用授權(quán)
3、的說明本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：導(dǎo)師簽名：日期：年月日摘要摘要聚類分析是數(shù)據(jù)挖掘中的一個(gè)重要研究領(lǐng)域，是一種數(shù)據(jù)劃分或分組處理的重要手段和方法。目前其研究已深入到數(shù)據(jù)庫、數(shù)據(jù)挖掘、統(tǒng)計(jì)等領(lǐng)域并取得了很大的成績。聚類分析算法大體上分為：劃分的方法、層次
4、的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。這些算法存在如下的問題：符號(hào)屬性問題、算法的效率問題、初值的選擇問題、對(duì)輸入順序的敏感性問題，最優(yōu)解問題、算法對(duì)輸入?yún)?shù)的依賴性問題。DBSCAN是一種基于密度的方法，該算法的顯著優(yōu)點(diǎn)是速度快，可以發(fā)現(xiàn)任意形狀的聚類和噪聲點(diǎn)。但是當(dāng)數(shù)據(jù)量非常龐大時(shí)，該算法對(duì)主存要求較高，而且需要定義一個(gè)全局變量Eps，如果這個(gè)全局變量Eps定義的不好，將會(huì)影響聚類質(zhì)量，尤其是數(shù)據(jù)分布不均勻時(shí)，因此DBSCAN對(duì)輸入?yún)?shù)Eps是十分依賴的。論文在對(duì)DBSCAN算法不足的分析基礎(chǔ)上，對(duì)DBSCA
5、N算法進(jìn)行了改進(jìn)。從DBSCAN算法可以看出，全局變量Eps值影響了聚類質(zhì)量，尤其是數(shù)據(jù)分布不均勻時(shí)。因此考慮對(duì)數(shù)據(jù)進(jìn)行一個(gè)劃分，每一個(gè)劃分中的數(shù)據(jù)分布相對(duì)較均勻，根據(jù)每個(gè)劃分中數(shù)據(jù)的分布密集程度來選取Eps值。K-means算法是一種基于劃分的聚類算法，它把n個(gè)對(duì)象劃分成K個(gè)類，其中的聚類數(shù)目k是輸入?yún)?shù)，該算法是通過不斷地迭代來進(jìn)行聚類，當(dāng)算法收斂到一個(gè)結(jié)束條件時(shí)，就終止迭代過程,輸出一個(gè)聚類結(jié)果。但是由于K-means算法在選擇初始聚類中心時(shí)是隨機(jī)選取K個(gè)點(diǎn)，因此一旦這K個(gè)點(diǎn)選取不合理將會(huì)誤導(dǎo)聚類過程，得到一個(gè)不合理的聚類結(jié)
6、果。對(duì)K-means聚類算法中聚類結(jié)果對(duì)初始聚類中心的依賴進(jìn)行了分析和嘗試改進(jìn)，對(duì)聚類中心的選取進(jìn)行了改進(jìn)。最后在這些工作基礎(chǔ)之上，根據(jù)康定師專數(shù)學(xué)系2006級(jí)48名學(xué)生在2005－2006學(xué)年度7門學(xué)科的考試分?jǐn)?shù)，采用聚類算法，對(duì)學(xué)生進(jìn)行分類。關(guān)鍵詞：數(shù)據(jù)挖掘，聚類，DBSCAN，K-meansIABSTRACTABSTRACTClusteringisanimportantareaofapplicationforavarietyoffieldsincludingdataminingandisanimportantmethodof
7、datapartitionorgrouping.thereare5kindsofclusteringalgorithmincludespartitionalalgorithm,hierarchicalalgorithm,density-basedalgorithm,grid-basedalgorithmandmodel-basedalgorithm.Buttherearemanydisadvantagesintheseclusteringalgorithms,forexample,workingonlyonnumericvalue
8、s,efficiency,sensitivetoinitialstartingconditions,sensitivetotheorderofdatainput,bestsolutions,relyingonparametersinputedand
