文档介绍：:.
节、旭荫、旭▲●■盻甠觯琁▲■■■原创性声明学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品,翱识产权归属郑州大学。本人郑重声明:所星交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者:,辏根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅:本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。冢瑉年,月日期:月冢
摘要信息化是当今世界经济和社会发展的大趋势,其所产生的信息量也是非常巨大的,研究如何从这些海量数据中快速准确地获取有价值的数据信息已经成为当前科学研究领域的一个热点。数据挖掘技术就是顺应时代的需求而产生的。人们通过运用数据挖掘技术可以发现大量的实用价值非常高的信息,而且人们通过使用这些有价值的信息能够促进科技进步和创新,推动社会向前发展。聚类分析是数据挖掘中的一个重要技术和工具,人们对聚类技术的研究已经比较成熟,提出了很多经典的聚类算法,现在它已经在多个领域中得到广泛地应用,例如模式识别、市场调查研究、图像图形的分析与处理、数据的分析与处理、医学分析与诊断等领域。而聚类边界分析又是聚类分析的一个研究热点,在聚类分析、图像检索、医学分析等领域中已经发挥着举足轻重的作用。现在对于聚类边界点的研究才刚刚起步,而且现有的聚类边界点检测算法仍然存在着不能正确区分噪声和边界点,不能检测多密度数据集等一系列的问题,而且算法运行效率较也比较低。针对现有的边界点检测算法的缺点和一些不足,本文提出了一种新的基于高斯分布的边界检测算法。算法充分利用了高斯分布函数和变异系数相结合的方法来提取聚类的边界点。数据密度的分布情况可以通过使用高斯分布函数来反映,然后通过高斯分布函数来计算出来数据在该区域的具体密度数值,最后再利用变异系数来提取出数据的全部边界点。经过对比分析实验结果,表明该算法能够非常快速地、准确提取出来不同形状、大小和密度的数据集中的聚类中的真实的边界点,并且本算法能够去除噪声所产生的干扰。关键字:数据挖掘;聚类;边界点;高斯函数;变异系数
,,,琺躨琣琈,.疭甀瑃.,瓹,瑂..,..,痶
:;;;;
诟咚狗植嫉木劾啾呓缂觳馑惴烈摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯浴璴劾啾呓绲慵觳馑惴ㄗ凼觥芙峒跋乱徊降拇蛩恪课题的研究背景及其重要意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。课题来源⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯聚类边界检测算法的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯聚类边界检测算法的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.聚类边界检测算法的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯劾啾呓缂觳馑惴ǖ姆治觥其它聚类边界检测算法的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法思想的提出⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。所用的基本概念及相关定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯聚类边界点检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.迪諱惴ǖ木咛宀街琛实验结果对比及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯....⋯.⋯........⋯......⋯.⋯....⋯⋯.⋯.............⋯.............⋯⋯⋯⋯..目录
参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯攻读硕士学位期间的研究成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。下一步工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目录
和处理的要求,于是出现了一种智能化的数据分析方法一数据挖掘】。数据课题的研究背景及其重要意义当今社会是一个信息化的社会,随着数字化信息技术,超大型数据库技术,已得到生活各领域广泛应用的互联网技术以及含有最新高科技含量技术的迅猛快速地发展和广泛应用,随之而来的所产生的数据信息量也逐渐地以惊人的速度