數(shù)據(jù)挖掘k-均值算法實現(xiàn)開題報告、文獻(xiàn)綜述

1、<p>　　本科生畢業(yè)論文（設(shè)計）冊</p><p>　學(xué)　　院：數(shù)學(xué)與信息科學(xué)學(xué)院</p><p>　?！　I(yè)：計算機(jī)科學(xué)與技術(shù)</p><p>　班　　級：2009級計算機(jī)班</p><p>　學(xué)　　生：</p><p>　指導(dǎo)教師：</p><p>　　本科畢業(yè)論文（設(shè)計）任務(wù)書

2、</p><p>　　論文（設(shè)計）題目： 數(shù)據(jù)挖掘K-均值算法實現(xiàn) </p><p>　　1、論文（設(shè)計）研究目標(biāo)及主要任務(wù)</p><p>　　本文主要研究聚類分析K-均值算法，并對該算法的優(yōu)缺點進(jìn)行分析，并通過該算法的缺點通過實驗驗證，這些敏感的因素對聚類結(jié)果具有哪些影響。本文的主要任務(wù)是實

3、現(xiàn)K-均值算法，并通過改變不同的初始條件得出算法聚類結(jié)果，并對結(jié)果進(jìn)行比對，得出結(jié)論。</p><p>　　2、論文（設(shè)計）的主要內(nèi)容</p><p>　　本文主要介紹了聚類分析，包括它各個方面的性能指標(biāo)測量函數(shù)和常見的聚類方法，著重介紹了基于劃分的聚類算法中的K-均值算法，詳細(xì)分析了該算法的基本思想，算法流程和算法本身的特點，并通過實驗實現(xiàn)了該算法，在實現(xiàn)該算法的基礎(chǔ)上，對影響聚類結(jié)果的

4、兩方面因素初始點和數(shù)據(jù)輸入順序的不同分別進(jìn)行實驗。</p><p>　　3、論文（設(shè)計）的基礎(chǔ)條件及研究路線</p><p>　　本文是在C++的基礎(chǔ)上實現(xiàn)的K-均值算法，數(shù)據(jù)集是從數(shù)據(jù)堂下載的c-fat500-10.txt數(shù)據(jù)集，在運行實現(xiàn)該算法的基礎(chǔ)上，改變初始點和數(shù)據(jù)輸入順序，進(jìn)行了六次試驗，分別進(jìn)行實驗這兩個初始條件的不同會對聚類結(jié)果有哪些影響。</p><p&

5、gt;<b>　　4、主要參考文獻(xiàn)</b></p><p>　　[1] T Zhang．R．Ramakrishnan and M．ogihara．An efficient data clustering method for very largedatabases．In Pror．1996 ACM-SlGMOD hat．Conf．Management of Data，Montreal。Can

6、ada，June 1996：103．114.</p><p>　　[2]Sambasivam S，Theodosopoulos N．Advanced data clustering methods ofmining web documents．Issues in Informing Science and Information Technology，2006，8(3)：563．579.</p>&

7、lt;p>　　[3] Z．Huang．Extensions to the K-means algorithm for clustering large data sets with categorical values．Data Mining and Knowledge discovery,1998，(2)：283-304.</p><p>　　Applied Math，1999，90：3—26．</

8、p><p><b>　　5、計劃進(jìn)度</b></p><p>　　指 導(dǎo) 教師: 年 月 日</p><p>　　教研室主任: 年 月

9、 日</p><p>　　生畢業(yè)論文（設(shè)計）開題報告書</p><p>　　數(shù)學(xué)與信息科學(xué) 學(xué)院 計算機(jī)科學(xué)與技術(shù) 專業(yè) 2013 屆</p><p>　　畢業(yè)論文（設(shè)計）文獻(xiàn)綜述 </p><p>　　本科生畢業(yè)論文（設(shè)計）翻譯文章</