- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
各种聚类算法及改进算法的研究论文关键词数据挖掘聚类算法聚类分析论文摘要该文详细阐述了数据挖掘领域的常用聚类算法及改进算法并比较分析了其优缺点提出了数据挖掘对聚类的典型要求指出各自的特点以便于人们更快更容易地选择一种聚类算法解决特定问题和对聚类算法作进一步的研究并给出了相应的算法评价标准改进建议和聚类分析研究的热点难点上述工作将为聚类分析和数据挖掘等研究提供有益的参考引言随着经济社会和科学技术的高速发展各行各业积累的数据量急剧增长如何从海量的数据中提取有用的信息成为当务之急聚类是将数据划分成群组的
各种聚类算法及改进算法的研究 论文关键词:数据挖掘;聚类算法;聚类分析 ; 论文摘要:该文详细阐述了数据挖掘领域的常用聚类算法及改进算法,并比较分析了其优缺点,提出了数据挖掘对聚类的典型要求,指出各自的特点,以便于人们更快、更容易地选择一种聚类算法解决特定问题和对聚类算法作进一步的研究。并给出了相应的算法评价标准、改进建议和聚类分析研究的热点、难点。上述工作将为聚类分析和数据挖掘等研究提供有益的参考。 ; 1 引言 ; 随着经济社会和科学技术的高速发展,各行各业积累的数据量急剧增长,如何从海量的数据中提取有用的信息成为当务之急。聚类是将数据划分成群组的过程,即把数据对象分成多个类或簇,
文档评论(0)