文档介绍：摘要据越来越多。激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能,但无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段,导致了“数据爆炸但知识贫乏”的现象。计算机网络化时代,如何有效、快速地从大量数据中获取我们需要的知识成为了人们关注的焦点。数据供给能力和数据分析能力间的矛盾日益突出,迫切需要一种能够对数据进行深层次加工的自动化技术。数据挖掘技术应运而生。作为数据挖掘的一个重要分支,聚类分析引起了人们的广泛关注,它可以作为独立的数据挖掘工具或者作为其他数据挖掘算法的预处理步骤。聚类是一种无监督的分类,是人们认识社会和自然界的一种重要方法。在现实世界中,许多客观事物之间的界限往往是模糊的,对事物进行分类时就必然伴随着模糊性,由此产生了模糊聚类分析。本文重点研究了基于划分的模糊聚类算法及评估有效性的指标,取得了一定的研究成果。第一章为绪论。本章首先介绍了论文研究的背景和意义,并指出本文的研究方向及研究成果;接着,概述了聚类分析和聚类算法;最后,给出了论文的组织第二章重点对模糊聚类算法研究现状进行深入研究和探讨,并对模糊聚类算法研究现状进行了综述。第三章概述了几种常见聚类有效性函数,提出了一种新的聚类有效性函数。最后通过仿真实验验证了新指标的可靠性。第四章重点研究了以惴ㄎ4淼幕诨值哪:劾嗨惴ā1菊率紫介绍了硬稻劾嗪湍:;接着,提出了一种用于确定最佳聚类数的聚类算法,用该算法聚类所得结果要优于惴āW后通过仿真实验验证了新算法的有效性。随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数全文共分为五章,各章的内容分别为:结构安排。
知识水坝为您整理
第五章是全文的总结与展望,是对本人毕业设计工作的总结及规划今后笔者研究的方向和重点。关键词:数据挖掘;聚类分析;聚类有效性模糊聚类算法及其有效性研究
知识水坝为您整理
.瑃甀.,..,.,,.甈甆,,.:琲瓼’.痶
瓼;瑂痵模糊聚类算法及其有效性研究琲.—甋篋;
声明人┟:绍正益厦门大学学位论文原创性声明δ月弓日兹呈交的学位论文,是本人在导师指导下独立完成的研究成果。本人在论文写作中参考的其他个人或集体的研究成果,均在文中以明确方式标明。本人依法享有和承担由此论文产生的权利和责任。
日期:础隆倘导师签名:扔圉幻作者签名:魄正盏厦门大学学位论文著作权使用声明⒉槐C堋日期:≥赌月弓日电子版,有权将学位论文用于非营利目的的少量复制并允许论文进入年解密后适用本授权书。本人完全了解厦门大学有关保留、使用学位论文的规定。厦门大学有权保留并向国家主管部门或其他指定机构送交论文的纸质版和学校图书馆被查阅,有权将学位论文的内容编入有关数据库进行检索,有权将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适应本规定。本学位论文属于⒈C
第一章绪论引言图象与信号处理和空间数据分析。通过数据挖掘,可以从数据库提取有趣的知识、现在我们正处在一个信息大爆炸的时代,计算机技术、存储技术及数据库技术的飞速发展,使得数据库存储的信息量大大增加及信息种类多样化,获得有关资料已经非常简单易行。关系数据库系统的成功,使我们有了强有力的事务处理工具。然而,时间数据库、空间数据库、多媒体数据库、工程数据库、统计数据库等面向特殊应用数据库系统的出现,使得更多的数据以前所未有的速度收集在计算机中。对于这些数量大、涉及面宽的数据,依靠以往那种由简单汇总、按指定模式去分析的处理方式已无法完成对以上几类数据的分析处理任务。数据的丰富带来了对强有力的数据分析工具的需求,人们希望能够提供更高层次的数据分析功能,从而更好地对决策或科研工作提供支持,让计算机帮助我们分析数据、理解数据,从大量数据中提取知识模式,进而帮助我们基于丰富的数据做出决策。正是为了满足这种要求,从大量数据中提取出隐藏在其中的有用信息,将机器学习应用于大型数据库的数据挖掘】和知识发现技术得到了长足的发展。越来越多的专家、学者投身到了研究数据挖掘的浪潮当中,推动了此项研究不断向广度和深度发展。数据挖掘是知识发现过程中的重要步骤,是从大量的数据中提取和挖掘知识的过程。“数据挖掘被定义为从大型数据库中提取未知的、有效的和可操作的知识,并为企业决策提供支持”【,“知识发现是从数据集中识别出有效的、新颖的、潜在有用的,以及最终可理解的模式的非平凡过程,,薄J萃诰蚝椭J发现作为一个新兴的多学科交叉应用领域,正在各行各业的决策支持活动中扮演着越来越重要的角色。数据挖掘涉及多学科技术的集成,包括数据库技术、统计学、机器学习、高性能计算机、模式识别、神经网络、数据可视化、信息检索