文档介绍：文献阅读报告课程名称:《模式识别》课程编号:题目:基于划分的聚类算法研究生姓名:学号:论文评语:成绩:任课教师:评阅日期:基于划分的聚类算法2016-11-20摘要:聚类分析是数据挖掘的一个重要研究分支,已经提出了许多聚类算法,划分方法是其中之一。基于划分的聚类算法就是用统计分析的方法研究分类问题。本文介绍了聚类的定义以及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对他们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行梳理,对其具体应用实例作简要介绍。关键字:数据挖掘;聚类;K均值聚类算法;K中心点聚类算法;K众数算法;k多层次聚类算法PartitionalclusteringalgorithmsAbstract:Clusteringanalysisisanimportantbranchofdatamining,manyclusteringalgorithmshavebeenproposed,,weintroducesthedefinitionofclusteringandtypeofclusteringalgorithm,thebasicprincipleofk-meansclusteringalgorithmandK-centerclusteringalgorithmareexpoundedindetail,wealsoanalyzetheirperformance,b,:Datamining;clustering;k-meansclusteringalgorithms;k-medoidsclusteringalgorithms;k-modesclusteringalgorithms;k-,这就叫聚类[1]。在无监督的情况下,具有独立的学****能力,这就是聚类。将数据空间中的所有数据点分别划分到不同的类中,相近距离的划分到相同类,较远距离的划分到不同类,,它是更深一步分析数据、处理数据的基础。人们通过聚类分析这一最有效的手段来认识事物、探索事物之间的内在联系,而且,关联规则等分析算法的预处理步骤也可以用它。现在,在气象分析中,在图像处理时,在模式识别领域,在食品检验过程中,都有用到它。随着现代科技水平的不断提高、网络的迅猛发展、计算机技术的不断改革和创新,大批量的数据不断涌现。怎样从这些数据中提取有意义的信息成为人们关注的问题。这对聚类分析技术来说无疑是个巨大的挑战。,于是,基于划分的聚类算法便应运而生,而且,取得了很好的效果。2.