数学与计算机科学系毕业设计

数学与计算机科学系毕业设计

分类号 TP311

密 级 公开

单位代码 10642 学 号 200402054012

重庆文理学院

学士学位论文

基于网格的聚类分析在数据挖掘中的应用

论文作者：张雷

指导教师：申元霞

学科专业：信息与计算科学

研究方向：数据挖掘

提交论文日期： 2008年 4 月 28 日

论文答辩日期： 2008年 5 月 10 日

学位授予单位：重庆文理学院

中 国 重 庆

2008年4月

数学与计算机科学系毕业设计

数学与计算机科学系毕业设计

数学与计算机科学系毕业论文（设计） 目录

目 录

中文摘要 .........................................................................................................................I Abstract..........................................................................................................................II 1 引言 ............................................................................................................................. 1

1.1 研究的目的及意义.................................................................................................. 1

1.2 国内外研究现状 ..................................................................................................... 2

2 数据挖掘和聚类分析 ............................................................................................ 3

2.1 数据挖掘概述......................................................................................................... 3

2.1.1 数据挖掘的定义............................................................................................ 3

2.1.2 数据挖掘的过程............................................................................................ 3

2.2 聚类分析概述......................................................................................................... 5

2.2.1 主要聚类算法分类 ........................................................................................ 5

2.2.2 基于网格的聚类算法..................................................................................... 6

2.2.3 K-means算法 ................................................................................................ 7

3 基于相似度的网格聚类算法 .............................................................................. 9

3.1 网格与相似度的概念 .............................................................................................. 9

3.1.1 网格的基本概念............................................................................................ 9

3.1.2 相似度.......................................................................................................... 9

3.2 SGCA算法描述 .................................................................................................... 10

3.2.1 边界点阈值函数.......................................................................................... 10

3.2.2 SGCA聚类算法 ........................................................................................... 10

3.3 实验结果与分析 ................................................................................................... 12

4 结论 ........................................................................................................................... 15 致谢................................................................................................................................ 16 参考文献 ...................................................................................................................... 17

数学与计算机科学系毕业设计

数学与计算机科学系毕业设计

2004级信息与计算科学专业毕业论文（设计）

基于网格的聚类分析在数据挖掘中的应用

信息与计算科学专业一班 张雷 指导教师 申元霞

摘要：数据挖掘是近些年来发展起来的新技术，通过数据挖掘，人们可以发

现数据背后隐藏的有价值的、潜在的知识，为科学地进行各种商业决策提供强有力的支持。随着数据挖掘技术的迅速发展，作为其重要的组成部分，网格聚类技术己经被广泛的应用于数据分析、图象处理、市场研究等许多领域。基于网格的聚类算法研究己经成为数据挖掘研究领域中非常活跃的一个研究课题。

本文首先介绍了数据挖掘研究的相关背景及其理论知识，对数据挖掘中的聚

类分析的相关工作做了一个简要的概述。在研究了K-means聚类算法的基础上，针对对象间的相似性度量方法，研究了基于相似度的网格聚类算法，根据定义的边界点阈值函数提取类的边界点，显著地提高了网格聚类的精度。

关键词：数据挖掘；网格；聚类；相似度；阈值函数

数学与计算机科学系毕业设计

张雷：基于网格的聚类分析在数据挖掘中的应用

Research on grid clustering algorithms and application in the data

mining

Major: Information and Science Computing Class: One

Author: Zhang Lei Supervisor: Shen Yuanxia

Abstract：Data mining techniques is the new technique that develops in recent

years, which can be used to find out potential and useful knowledge from the vast amount of data, and it provides the powerful support to carry on various business decision in science ground. With the rapid development of the data mining techniques, the technique of grid clustering, as important parts of data mining, are widely applied to the fields such as pattern recognition, data analysis, image processing, and market research. Research on grid clustering algorithms has become a highly active topic in the data mining research.

Firstly, the related background of data mining and its theories knowledge are

introduced. Then the related work of clustering analysis are briefly summarized. Based on the K-means algorithms, a similarity-based grid clustering algorithm is studied. In this algorithm, the threshold function disposes of border points of clusters, which enhances remarkably the precision of grid clustering.

Keywords：Data Min …… 此处隐藏：13931字，全部文档内容请下载后查看。喜欢就下载吧 ……