注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 两个matlab实现的K-MEANS聚类算法

  2. %k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足： %同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 %k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象， %则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类； %然后再计算每个所获新聚类的聚

  3. 所属分类：其它

    • 发布日期：2009-05-23
    • 文件大小：8192
    • 提供者：lih062624

  1. 数据挖掘 K均值聚类算法的JAVA实现

  2. K-Mean 分群法是一种分割式分群方法，其主要目标是要在大量高纬的资料点中找出 具有代表性的资料点；这些资料点可以称为群中心，代表点；然后再根据这些 群中心，进行后续的处理

  3. 所属分类：Java

    • 发布日期：2009-06-02
    • 文件大小：2048
    • 提供者：JLIN95307347

  1. 初始聚类中心优化的k-means算法.pdf

  2. 传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。 关键词：数据挖掘；聚类；k-means算法；聚类中心

  3. 所属分类：SQLServer

    • 发布日期：2012-01-14
    • 文件大小：104448
    • 提供者：mocuyu

  1. 大数据差分隐私保护方案设计与实现.docx

  2. 本文采用数据挖掘中常用聚类K-means算法，并结合差分隐私技术，借由Hadoop的Mapreduce并行框架实行，并且改进传统的随机选择初始中心点的弊端，采用平均划分 个数据集的方法得到初始中心点。迭代中在每个聚簇的属性向量和与数据总数目中加入Laplace噪声后计算聚类中心点，以此实现差分隐私保护。最终结果的评价通过设置两组对比实验得出：通过设置不同的隐私预算参数，在相同聚类个数下采用F-measure指标衡量最终聚类可用性，通过对比得出本文改进的算法在结果可用性上有一定改善；通过设置不同

  3. 所属分类：Hadoop

    • 发布日期：2019-06-22
    • 文件大小：1048576
    • 提供者：weixin_42364363

  1. 零售业顾客忠诚度的模型研究与聚类挖掘

  2. 大连交通大学 硕士学位论文 零售业顾客忠诚度的模型研究与聚类挖掘 姓名：徐鹏 申请学位级别：硕士 专业：计算机应用技术 指导教师：田宏 20081220 摘要 面对市场的激烈竞争，仅依靠商品本身很难在瞪趋激烈的竞争中取胜，现今市场的 竞争，实际怒赢得顾客的竞争。因此，如何建立蹶客忠诚度模型分析顾客的忠诚度是+ 分重要的。因为这为企业如何更好的去识别和保留忠诚度高的顾客，挖掘潜在和提升顾 客忠诚度，以及预防顾客流失都起着至关重要的作用。 本文研究重点在于分析国内零售业颤客消费行为特性，探讨圈内零

  3. 所属分类：餐饮零售

    • 发布日期：2010-10-22
    • 文件大小：3145728
    • 提供者：gadflyyy