版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、洳:鏘蛐Z摯碩1學位論文⑧論文題口二拙墓變量纏型曲塑佳K塑值簋這盟塑作旨姓名————撞,∞&衛(wèi)指導教師學科(專業(yè))所在學院提交乃塒———直班』蛙L——————一——j刪至攫——————一丑‘鹱扭量熟鹽堂瞳———墊Ⅲ=£絲———————一浙江大學碩士學位論文AbstractAbstractThecomplexrelationshipsamongdatacoverpatternsthatpeopleCallhardlydiscoverOne
2、ofthosepatternsiStoclassifyobjectsthedatarepresentsRecentlydataminingtheoryhasbeendevelopedforawiderangeofclusteringanalysisalgorithmtoanalyzedatatouncoverthepatternTheyalIhaveadvantagesanddisadvantagesandseveralofthemha
3、vebeenputintopracticeForexampleK—McansalgorithmiSasimpleandeffectivemethod,butithasmanydisadvantagesToavoidthese,researchershaveraisedtheimprovedKmeansalgorithmAsweknowgeneticalgorithmfGAlhasbeenprovedeffectivetosolvepro
4、blemslikecombinationoptimizeandextremesofafunctionItsmechanismiSfitforimprovingKMcansclusteringaswellAlthoughtherearemanyGAmethodsbeingusedtoimproveinitiaicentersselectionofclustering。ortolearnthebestValueofknoneoftllemc
5、allperfectlycombinebotIlofthemtogetherBeingenlightenedanewGAmethodbasedonvariablelengthencodingiSputforwardforpurpose。andreceivedagoodeffectThegeneticKMcansalgorithm(OKA)basedonvariable—lengthencodingnotonlyoptimizedthei
6、nitialcenters。anddynamicallylearnedthevalueofkbutalSecognizedSomeisolatedpointsSoitreducedtheimpactofisolatedpointstoKMeansA11thisdependsonagoodmechanismoflearningKandanexcellentfitnessfunctionInordertoIearnktheindividua
7、lofbestfitnessWastakenastheexample;everynewindividualgeneratedshouldgetacloselengthtoitAccordingly’userdoesn’tneedtospeeifyKanymoreForabetterunderstanding,thepaperemphasizetheexplainingofbasictheoryofdatamining(DM)and0AB
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 一種基于層次聚類的遺傳K均值算法研究.pdf
- 一種基于遺傳算法的k均值聚類分析.pdf
- 基于上下文的變長編碼技術研究.pdf
- 一種基于改進粒子群和K均值結合的聚類算法.pdf
- 基于上下文的抗誤碼可變長編碼的研究.pdf
- 基于遺傳K均值算法的運動目標檢測.pdf
- 變長編碼在SoC測試中的應用研究.pdf
- 基于二次游程編碼和動態(tài)碼表截取的變長編碼方法.pdf
- 基于上下文的自適應可變長編碼(CAVLC)研究.pdf
- 基于遺傳算法的改進K均值聚類.pdf
- 基于量子遺傳算法的K調和均值聚類算法的研究.pdf
- 遺傳優(yōu)化的K均值聚類算法.pdf
- 一種基于去均值歸一化約束的圖像復原算法.pdf
- 一種基于K-匿名的隱私保護算法.pdf
- 一種改進的人工蜂群算法及其在k均值聚類中的應用.pdf
- 一種新型的基于遺傳算法的彩色圖像水印算法.pdf
- 一種基于FPGA的改進遺傳算法硬件設計研究.pdf
- 基于一種改進遺傳算法的神經網絡.pdf
- 一種新的基于SPIHT的ROI圖像壓縮編碼算法研究.pdf
- 一種基于遺傳算法的視頻對象分割方法.pdf
評論
0/150
提交評論