面向高效数据处理的改进支持向量聚类算法的设计与实践.docx

面向高效数据处理的改进支持向量聚类算法的设计与实践.docx

  1. 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. 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. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

面向高效数据处理的改进支持向量聚类算法的设计与实践

一、引言

1.1研究背景与意义

在信息技术飞速发展的当下,各领域数据量呈爆发式增长,海量数据处理成为亟待解决的关键问题。聚类分析作为数据挖掘和机器学习领域的重要技术,能够在无先验类别信息的情况下,依据数据的相似性将数据对象划分为不同的簇,从而揭示数据的内在结构和分布模式,为后续的数据分析与决策提供有力支持。

支持向量聚类(SupportVectorClustering,SVC)算法作为一种基于支持向量机理论的聚类方法,近年来备受关注。它通过将数据点映射到高维特征空间,并在该空间中寻找一个包围所有样本点且具有最小半径的超球,当这个球面被映

您可能关注的文档

文档评论(0)

131****9843 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档