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49頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、聚類就是將數(shù)據(jù)對象分組成為多個類或簇,在同一個簇中的對象之間具有較高的相似度,而不同簇中的對象差別較大。相異度是根據(jù)描述對象的屬性值來計算的。距離是經(jīng)常采用的度量方式。 技術進步使得數(shù)據(jù)收集變得更加簡單和快速,從而產(chǎn)生了大量復雜的高維數(shù)據(jù)。由于這種數(shù)據(jù)存在的普遍性,使得對高維聚類算法的研究有著非常重要的意義。傳統(tǒng)的聚類算法受“維災”的影響在處理高維數(shù)據(jù)時變的異常困難,主要表現(xiàn)為索引結果效率低、用于相似性度量的距離函數(shù)失效、聚類描

2、述中存在冗余的維以及算法執(zhí)行效率低等問題,使得聚類算法的應用受到很大的局限性。 發(fā)現(xiàn)高維空間中存在于不同子空間的聚類問題一般被稱為投影聚類問題。在已有投影聚類算法 EPCH(Efficient Projective Clustering technique by Histogram construction)的基礎上,本文提出了一種基于相對熵的改進算法 REPCH(Relative Entropy based Projectiv

3、e Clustering by Histograms construction)。在數(shù)據(jù)分布的特征空間中,將每一個 d 維子空間劃分成網(wǎng)格結構。根據(jù)網(wǎng)格單元的密度構建每一個 d 維子空間的直方圖。直方圖的相對熵可以反映子空間中數(shù)據(jù)的實際分布與平均分布之間的相似度。相對熵會隨著密集區(qū)域的減少而單調(diào)遞增,并逐漸趨近于 1。根據(jù)這個原理,直方圖中密集區(qū)域和稀疏區(qū)域可以被識別。 算法在人工數(shù)據(jù)集上進行了大量的實驗,對算法的聚類質(zhì)量、性能

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(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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。

評論

0/150

提交評論