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. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1mb
    • 提供者：huanghyw

  1. 一种新的加权模糊C中心聚类算法

  2. 摘 要 对于一些局部分布稀疏不均、聚类区域的形状及大小很不规整的数据点集，多数聚类算法不能很好地探测出其聚类分布。在借鉴了两个加权FCM聚类算法的构造及推导过程的基础上，提出了一种新的加权模糊C中心聚类算法(算法1)。接着对该聚类算法进行了一些讨论，给出其时间复杂度及收敛性分析。通过German数据集的几种聚类算法的对照实验结果及评估相异性度量的比较实验结果，验证了该聚类算法有时能取得比WFCM更好的聚类精度，从而说明这个新型加权聚类算法具有一定的有效性。最后给出了几点研究展望，为下一步的研究

  3. 所属分类：其它

    • 发布日期：2010-11-25
    • 文件大小：780kb
    • 提供者：gaoyang9870

  1. Chameleon算法的改进

  2. 结合Cham eleon算法可以发现高质量的任意形状、大小和密度的自然簇及一趟聚类算法快速高效的特点, 研究可以处 理混合属性的高效聚类算法. 首先简单改进Cham e leon算法, 使之可以处理含分类属性的数据; 进而提出一种两阶段聚类算法. 第一阶段使用一趟聚类算法对数据集进行初始划分, 第二阶段利用改进的C ham e leon算法归并初始划分而得到最终聚类. 在真 实数据集和人造数据集上的实验结果表明, 提出的两阶段聚类算法是有效可行的.

  3. 所属分类：其它

    • 发布日期：2011-03-13
    • 文件大小：243kb
    • 提供者：liaojingxin

  1. Web Data Mining (英文)

  2. 目录回到顶部↑ 第一部分 数据挖掘基础. 第1章 概述3 1.1 什么是万维网3 1.2 万维网和互联网的历史简述4 1.3 web数据挖掘5 1.3.1 什么是数据挖掘6 1.3.2 什么是web数据挖掘7 1.4 各章概要8 1.5 如何阅读本书10 文献评注10 第2章 关联规则和序列模式12 2.1 关联规则的基本概念12 2.2 apriori算法14 2.2.1 频繁项目集生成14 2.2.2 关联规则生成17 2.3 关联规则挖掘的数据格式19 2.4 多最小支持度的关联规则挖掘

  3. 所属分类：专业指导

    • 发布日期：2012-05-02
    • 文件大小：8mb
    • 提供者：chen_767

  1. 混合数据的谱聚类算法

  2. 本文提出了一种混合数据的谱聚类算法。研究混合数据的特点,提出了一种相似性度量的方法,从而形成相似矩阵,并用谱聚类算法进行聚类分析。实验显示该算法能够对含有离散值属性和连续值属性的数据进行有效的聚类。

  3. 所属分类：电子商务

    • 发布日期：2014-12-06
    • 文件大小：188kb
    • 提供者：kamo54

  1. 基于混合网格划分的子空间高维数据聚类算法

  2. 提出一种基于混合网格划分的子空间高维数据聚类算法。该算法消除了各个属性分量数值范围大小对计算的影响;有效去除冗余属性以提高聚类准确性与降低时间复杂度。根据数据分布情况灵活选择固定网格划分或是自适应网格划分,利用这二种不同的网格划分方法具有的优点,以实现进一步降低算法的时间复杂度和提高聚类结果的准确性,并使算法具有更优的可伸缩性。实验使用仿真数据表明,该算法在处理具有属性值域范围大的高维大规模数据时是实用有效的。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：241kb
    • 提供者：qq_28339273

  1. 一种混合属性数据的聚类算法

  2. 提出一种基于属性分解的随机分组的改进方法，以提高聚类算法的稳定性和适用性。实验仿真结果表明，改进算法具有很好的稳定性和应用性。

  3. 所属分类：其它

    • 发布日期：2020-10-22
    • 文件大小：270kb
    • 提供者：weixin_38559569

  1. 一种改进的混合类型数据核聚类算法

  2. 摘要—聚类算法通常通过分析收集到的流经网络的实时通信数据而用于网络入侵检测系统。 但是，网络通信数据是混合的，例如数字和分类数据。 因此，本文首先提出了一种表示混合类型数据聚类中心（原型）的方法。 然后分别结合数值属性的连续性特征和分类属性的语义特征，利用高斯核函数改进了相异性度量公式，并在此基础上定义了目标函数。 此后，本文进一步提出了一种改进的混合类型数据核聚类算法（IKCA-MD），该聚类结果显示出稳定的聚类结果，因为初始聚类中心是通过最大密度和距离方法（MDD）获得的。 最后通过实验验证

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：140kb
    • 提供者：weixin_38747815

  1. 改进的共享最近邻聚类算法

  2. 聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇。共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为O(n2),不适合处理大规模数据集;(2)没有明确给出参数阈值的简单指导性操作方法;(3)只能处理数值型属性数据集。对共享最近邻算法进行改进,使其能够处理混合属性数据集,并给出参数阈值的简单选择方法,改进后算法运行时间与数据集大小成近似线性关系,适用于大规模高维数据集。在真实数据集和人造数据集上的实验结

  3. 所属分类：其它

  1. 基于视觉原理的密度聚类算法的改进

  2. 结合基于视觉原理的密度聚类算法对初始化参数不敏感、能发现任意形状的聚类、能够找出最优聚类及一趟聚类算法快速高效的特点,研究可以处理混合属性的高效聚类算法.首先简单改进基于视觉原理的密度聚类算法,使之可以处理含分类属性的数据,进而提出一种两阶段聚类算法。第一阶段使用一趟聚类算法对数据集进行初始划分,第二阶段利用基于视觉原理的密度聚类算法归并初始划分而得到最终聚类。在真实数据集和人造数据集上的实验结果表明,提出的两阶段聚类算法是有效可行的。

  3. 所属分类：其它

  1. 基于协同过滤与社交网络混合算法的客户信用建模及授信方法

  2. 随着信用甄别市场需求的扩大，传统FICO信用建模方法依赖受信人大量历史信用行为、对群体属性识别能力弱的局限不断显现，造成了信用评分冷启动问题。提出了一种基于协同过滤与社交网络混合算法的信用评定模型，可有效解决信用评定冷启动困难的问题，在受信人信用评定数据不充足的情况下，亦可完成对其信用的相对准确评估。该算法首先基于受信人基本身份特征，通过协同过滤方法授予初始信用分，再通过社交网络信任图、群体聚类的学习成果修正信用评估模型。实验结果表明，该方法的信用预评估误差较低，可逐步引导预评分平稳过渡至正式评

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：687kb
    • 提供者：weixin_38736760

  1. 基于聚类融合的混合属性数据增量聚类算法

  2. 针对传统增量聚类方法对混合属性数据聚类时存在不稳定、随机性大和准确性不够高的缺点, 提出一种基于聚类融合的混合属性数据增量聚类算法. 该算法以传统增量聚类为基础, 采用多种聚类算法的结果进行融合来代替原有单一划分, 并重新修正了阈值的取值范围. 实验表明, 所提出的算法利用原有数据的特征, 提高了聚类的稳定性和精确性, 具有很好的聚类效果.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：359kb
    • 提供者：weixin_38675815

  1. 基于相对密度的混合属性数据增量聚类算法

  2. 传统的基于密度的带噪声空间数据聚类算法主要存在以下问题: 聚类只对具有数值属性的数据有效, 而对 具有非数值属性的数据失效; 参数设置困难且聚类结果对参数较为敏感; 聚类的度量以绝对密度值为标准, 无法发现 密度等级不同的聚类结果. 针对以上问题, 提出一种面向混合属性数据的、基于相对密度的聚类算法RDBC M, 同时 提出解决这类问题的增量式聚类算法, 并从理论和仿真实验两方面分析、验证了算法的有效性和加速效果.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：245kb
    • 提供者：weixin_38640830

  1. 混合属性数据集的聚类边界检测技术

  2. 为了满足数据分析中获取含有混合属性的数据集聚类的边界需求, 提出一种混合属性数据集的聚类边界检测算法(BERGE). 该算法利用模糊聚类隶属度定义边界因子以识别候选边界集, 然后运用证据积累的思想提取聚类的边界. 在综合数据集和真实数据集上的实验结果表明, BERGE 算法能有效地检测混合属性数据集、数值属性数据集以及分类属性数据集的聚类边界, 与现有同类算法相比具有更高的精度.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：706kb
    • 提供者：weixin_38660802

  1. 基于视觉原理的密度聚类算法的改进

  2. 结合基于视觉原理的密度聚类算法对初始化参数不敏感、能发现任意形状的聚类、能够找出最优聚类及一趟聚类算法快速高效的特点,研究可以处理混合属性的高效聚类算法.首先简单改进基于视觉原理的密度聚类算法,使之可以处理含分类属性的数据,进而提出一种两阶段聚类算法。第一阶段使用一趟聚类算法对数据集进行初始划分,第二阶段利用基于视觉原理的密度聚类算法归并初始划分而得到最终聚类。在真实数据集和人造数据集上的实验结果表明,提出的两阶段聚类算法是有效可行的。

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：640kb
    • 提供者：weixin_38654380