2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩51頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘是從數(shù)量龐大的、隨機(jī)出現(xiàn)的、客觀存在的、不完全的并充滿噪聲的數(shù)據(jù)中提取和發(fā)現(xiàn)有價(jià)值的信息,從而為商務(wù)分析與決策、自然科學(xué)理論、人文地理等提供有效的技術(shù)支持和可靠的數(shù)據(jù)依據(jù)。其中,聚類分析是數(shù)據(jù)挖掘中一項(xiàng)十分重要而有趣的研究課題,并且因?yàn)槠鋸?qiáng)大的應(yīng)用和研究價(jià)值而受到越來越廣泛的關(guān)注。
   為解決網(wǎng)格聚類算法中對參數(shù)過于敏感、無法自動識別不同密度梯度類以及不同梯度類間劃分不夠精確等問題,提出了基于最優(yōu)劃分的多密度梯度網(wǎng)格聚

2、類算法(OPMDG)。該算法只需用戶輸入一個(gè)大致的密度閾值范圍,網(wǎng)格邊長自動計(jì)算并可自動調(diào)節(jié)適應(yīng),減少了算法對參數(shù)的敏感性;提出了二重劃分技術(shù),可挖掘不同密度梯度的類;對于處于不同類上的交界點(diǎn),引入了電荷間吸引力的概念,能有效解決類間聚類精度不高等問題。
   實(shí)驗(yàn)結(jié)果表明,OPMDG算法能識別各種不同形狀、大小的簇,挖掘具有不同密度梯度類,并能有效地劃分邊界和去除離群點(diǎn)與噪聲點(diǎn)。在通過和GCOD算法的對比中,可以顯著發(fā)現(xiàn)OPM

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論