您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 数据流挖掘中的聚类算法综述

  2. 摘 要: 近期,随着诸如实时监控系统、网络入侵检测和web上用户点击流等动态的应用环境源源不断地产生海量的、时序的、快速变化的和潜在无限的数据流,对数据流挖掘的研究变得重要而富有意义。聚类分析作为数据流挖掘领域的一个重要问题,在近期被高度重视和广泛研究。由于数据流模型不同于传统数据集的特殊性质,新的要求和挑战应运而生。本文对数据流挖掘中各种聚类分析算法和处理框架做了综述。文章力图回顾数据流聚类分析领域的最近发展水平,提供给读者该领域的一个清晰的蓝图。为了实现这个目标,我们将首先介绍数据流聚类的
  3. 所属分类:其它

    • 发布日期:2009-07-02
    • 文件大小:769024
    • 提供者:aonu
  1. 模糊数据挖掘在高校学生管理中的应用

  2. 摘要:分析了目前高校学生管理工作中存在的问题,探讨了模糊数据挖掘理论在高校学生管理中的 应用。研究设计了一种数据挖掘方法,能够对高校学生进行聚类分析,从而发现高校内部学生的类型, 并可判断某学生属于哪一种类型,对高校学生管理工作具有理论和现实意义。
  3. 所属分类:专业指导

    • 发布日期:2009-07-06
    • 文件大小:226304
    • 提供者:wlczabc123
  1. 空间数据挖掘在基于GIS的交通诱导系统中的应用

  2. 绍了基于Gis的交通诱导系统,并指出模栩地名匹配问题是其中一个急熏解决的难题.针对这一问题,研究了空间数据抢掘方法中的聚类分析方法,建立了基于聚类分析方法的模栩地名匹配模型,并提出了基于CURE聚类方法的求解算法.
  3. 所属分类:交通

    • 发布日期:2010-01-23
    • 文件大小:282624
    • 提供者:yingying080123
  1. 模糊聚类分析在数据挖掘中的应用研究

  2. 数据挖掘是从大量数据中用平凡的方法发现有用的知识。聚类分析是数据挖掘的一个重要研究领域,它是按照 一定的要求和规律将事物进行分类的一种数学方法。随着模糊数学的兴起,用精确的数学的方法研究模糊问题,人们逐 渐将精确和模糊统一起来。论文将模糊数学的模糊理论应用于数据挖掘的聚类分析中,讨论了如何利用样本之间的模糊 关系分析样本之间的关联程度,给出了模糊聚类分析在数据挖掘中的应用的主要步骤,以及相应的实例分析和程序设计。
  3. 所属分类:专业指导

    • 发布日期:2010-05-08
    • 文件大小:210944
    • 提供者:cjcljl
  1. 基于网格的聚类方法研究.pdf

  2. 【摘要】:随着网格技术和数据挖掘技术的成熟,基于网格的数据挖掘应用越来越广泛。简要的介绍网格和数据挖掘的基础知识,并结合局域网中个人计算机的特点,分析由个人计算机组建的网格环境下的数据挖掘过程,并给出了数据挖掘的过程图以及每一个阶段要完成的主要工作。
  3. 所属分类:专业指导

    • 发布日期:2010-07-20
    • 文件大小:975872
    • 提供者:zhujian2012
  1. 数据挖掘中聚类方法比较研究

  2. 数据挖掘是近年来信息产业界非常热门的研究方向,聚类分析是数据挖掘中的核心技术。聚类算法已被广泛深入 地研究,其间产生了许多不同的适用于数据挖掘的聚类算法,但这些算法仅适用于特定的问题及用户。为了更好地使用这 些算法,文中对数据挖掘领域的聚类分析方法及代表算法进行了分析,提出了数据挖掘对聚类的典型要求,并基于这些要 求对数据挖掘中常用的聚类算法作了比较,以便于人们更容易、更快速地选择一种适用于具体问题的聚类算法。
  3. 所属分类:其它

    • 发布日期:2010-07-23
    • 文件大小:193536
    • 提供者:wy19821013
  1. 基于数据挖掘的零售业客户细分研究

  2. 基于数据挖掘的零售业客户细分研究 ●叶孝明黄祖庆 摘要:文章根据基于购买行为的客户细分方法,运用数据挖掘中的聚类分析和决策树分类技术,对零售业客户细分 模型进行了研究、建立及实验分析,为零售业客户细分提供了一种有效而实用的分析方法。 关键词:零售业;客户细分;数据挖掘 客户细分是客户关系管理的基本任务之一,在目前客 户终生价值研究还没有成熟的情况下。采用基于购买行为 的客户细分方法不失为一种有效的选择。对于零售企业而 言.通过一定的技术将客户细分为不确定型客户、经常性 客户、乐于消费型客户和最
  3. 所属分类:餐饮零售

    • 发布日期:2010-10-14
    • 文件大小:408576
    • 提供者:gadflyyy
  1. 数据挖掘中的聚类分析研究

  2. 数据挖掘中的聚类分析研究数据挖掘中的聚类分析研究数据挖掘中的聚类分析研究数据挖掘中的聚类分析研究
  3. 所属分类:专业指导

    • 发布日期:2010-11-29
    • 文件大小:238592
    • 提供者:xieguiqing
  1. 数据挖掘中聚类算法比较研究

  2. 聚类分析是数据挖掘中的一种重要技术。本文介绍了数据挖掘对聚类的典型要求和聚类方法的分类。
  3. 所属分类:互联网

  1. 数据挖掘论文集,很多论文打包

  2. 交易数据的聚类分析.pdf 基于粗糙集理论的数据挖掘算法研究.pdf 基于粗糙集的数据挖掘与决策支持方法研究.pdf 基于粗糙集的数据挖掘方法研究.pdf 基于自然计算的模糊聚类新算法研究.pdf 对聚类及聚类评价若干问题的研究.pdf 数据挖掘中的聚类方法及其应用——基于统计学视角的研究.pdf 数据挖掘中聚类若干问题研究.pdf 粗糙集扩展模型及其在数据挖掘中的应用研究.pdf 粗糙集理论在数据挖掘领域中的应用.pdf 聚类方法及其应用研究.pdf 高维数据流聚类分析及离群点检测研究.pd
  3. 所属分类:其它

    • 发布日期:2011-06-20
    • 文件大小:46137344
    • 提供者:wtzmax
  1. 聚类算法研究

  2. 聚类算法研究 据挖掘、模式识别等研究方向的重要研究内容之一,在识别数据的内在结构方面具有极其重要的作用.聚类主 要应用于模式识别中的语音识别、字符识别等,机器学习中的聚类算法应用于图像分割和机器视觉,图像处理 中聚类用于数据压缩和信息检索.聚类的另一个主要应用是数据挖掘(多关系数据挖掘)、时空数据库应用(GIS 等)、序列和异类数据分析等.此外,聚类还应用于统计科学.值得一提的是,聚类分析对生物学、心理学、考古学、 地质学、地理学以及市场营销等研究也都有重要作用[1−3]. 本文一方面从算法思
  3. 所属分类:专业指导

    • 发布日期:2012-03-06
    • 文件大小:883712
    • 提供者:comaple
  1. 大数据挖掘技术与应用

  2. 本书针对数据的海量性、复杂性、高维性、模糊性和不完整性,对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究。设计与实现了基于密度和自适应密度可达聚类算法、基于簇特征的动态增量聚类算法、并行聚类算法、基于密度加权的模糊聚类算法、高唯复杂数据聚类算法、基于数据场的聚类算法、基于距离的量化关联规则和基于数据场的量化关联规则算法,给出了在矿产资源评价、遥感图像分类、矿业经济分析中的应用例证。全书共分11章,主要内容包括:绪论,基于密度和密度可达聚类分析,基于簇特征的动态增量聚类分析,并行聚类分析
  3. 所属分类:算法与数据结构

    • 发布日期:2018-01-08
    • 文件大小:113246208
    • 提供者:q1457797371
  1. 基于Spark框架的聚类算法研究

  2. 大数据的挖掘是当今的研究热点,也有着巨大的商业价值。新型框架Spark部署在Hadoop平台上,它的机器学习算法几乎可以完全替代传统的Mahout Map Reduce的编程模式,但由于Spark的内存模型特点,执行速度快。该文研究了Spark中的机器学习中的聚类算法KMeans,先分析了算法思想,再通过实验分析其应用的方法,然后通过实验结果分析其应用场景和不足。
  3. 所属分类:spark

    • 发布日期:2018-06-22
    • 文件大小:1048576
    • 提供者:qq_28339273
  1. 基于DBSCAN算法的煤矿瓦斯监测信息聚类分析方法研究

  2. 基于煤矿瓦斯监测系统在煤炭生产过程中的监测信息数据库,提出了采用基于DBSCAN算法的聚类分析方法挖掘瓦斯事故信息特征的方案;指出了DBSCAN算法在实际应用中的不足,提出了基于数据划分思想改进DBSCAN算法的方案,介绍了具体的改进方法;应用基于改进DBSCAN算法的聚类分析方法对瓦斯监测信息进行聚类分析、特征提取,结果表明该方法行之有效;最后指出了该方法进一步的研究方向。
  3. 所属分类:其它

    • 发布日期:2020-04-24
    • 文件大小:221184
    • 提供者:weixin_38706747
  1. 工艺设计信息系统中的知识发现技术研究

  2. 知识发现 数据挖掘 聚类分析 实例推理 工艺元 工艺决策
  3. 所属分类:专业指导

    • 发布日期:2010-07-28
    • 文件大小:8388608
    • 提供者:xqwerfv
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3145728
    • 提供者:songzailu6482
  1. 电力通信大数据并行化聚类算法研究

  2. 随着电力通信技术的发展,产生了大量分布式电力通信子系统以及海量电力通信数据,在海量数据中挖掘重要信息变得十分重要。聚类分析作为数据并行化处理和信息挖掘的一个有效手段,在电力通信中得到了广泛的应用。然而,传统聚类算法在处理海量电力数据时已不能满足时间性能的要求。针对这一问题,提出了一种基于MapReduce模型的并行化k-medoids聚类算法,首先采用基于密度的聚类思想对k-medoids算法初始点的选取策略进行优化,并利用Hadoop平台下的MapReduce编程框架实现了算法的并行化处理。实
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:375808
    • 提供者:weixin_38717843
  1. 嵌入式系统/ARM技术中的一种基于密度的聚类的算法

  2. 将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异目前,它已成为数据挖掘研究领域中一个非常活跃的研究方向。聚类分析技术在模式识别、数据分析、图像处理和市场研究等许多领域得到了广泛的应用。   许多算法被设计用来聚类数值类型的数据。但是,应用可能要求聚类其他类型的数据,如二元类型(binary),分类/标称类型(categorical/nominal),序数型(ordinal)数据,或
  3. 所属分类:其它

    • 发布日期:2020-10-23
    • 文件大小:209920
    • 提供者:weixin_38621565
  1. 通信与网络中的基于GT4的聚类分析算法研究

  2. 摘要:本论文的研究视角是当前比较热门的两个问题:网格技术和数据挖掘技术。将网格计算和数据挖掘技术结合起来,开发基于网格的数据系统,借鉴传统聚类分析算法CLUQ和K_平均值算法,设计基于网格的全局和局部算法的Web Service形式。   1.引言   计算机网络技术的普及与应用给人们的生活带来了翻天覆地的变化,同时在网络上产生了大量杂乱无章的数据。而网格技术、Web技术的发展,为人们从分布的网络资源中寻找有价值的信息提供了新的技术支持,同时也产生了许多基于网格的数据挖掘系统。而数据挖掘算法
  3. 所属分类:其它

    • 发布日期:2020-10-20
    • 文件大小:84992
    • 提供者:weixin_38745648
  1. 基于GT4的聚类分析算法研究

  2. 摘要:本论文的研究视角是当前比较热门的两个问题:网格技术和数据挖掘技术。将网格计算和数据挖掘技术结合起来,开发基于网格的数据系统,借鉴传统聚类分析算法CLUQ和K_平均值算法,设计基于网格的全局和局部算法的Web Service形式。   1.引言   计算机网络技术的普及与应用给人们的生活带来了翻天覆地的变化,同时在网络上产生了大量杂乱无章的数据。而网格技术、Web技术的发展,为人们从分布的网络资源中寻找有价值的信息提供了新的技术支持,同时也产生了许多基于网格的数据挖掘系统。而数据挖掘算法
  3. 所属分类:其它

    • 发布日期:2021-01-19
    • 文件大小:82944
    • 提供者:weixin_38723527
« 12 3 4 5 »