基于K-means算法的平面点集聚类系统.doc

基于K-means算法的平面点集聚类系统 院 系 北方软件学院 专 业 计算机科学与技术（软件工程） 班 级 学 号 姓 名 指导教师 负责教师 沈阳航空航天大学 2011年6月摘 要 聚类是数据挖掘领域中重要的技术之一，用于发现数据中未知的分类。聚类分析已经有了很长的研究历史，其重要性已经越来越受到人们的肯定。聚类算法是机器学习、数据挖掘和模式识别等研究方向的重要研究内容之一，在识别数据对象的内在关系方面，具有极其重要的作用。聚类主要应用于模式识别中的语音识别、字符识别等，机器学习中的聚类算法应用于图像分割，图像处理中，主要用于数据压缩、信息检索。聚类的另一个主要应用是数据挖掘、时空数据库应用、序列和异常数据分析等。此外，聚类还应用于统计科学，同时，在生物学、地质学、地理学以及市场营销等方面也有着重要的作用。 本文是对聚类算法K-means的研究。首先介绍了聚类技术的相关概念。其次重点对K-means算法进行了分析研究，K-means算法是一种基于划分的方法，该算法的优点是简单易行，时间复杂度为O(n)，并且适用于处理大规模数据。本系统主要是对其进行算法和界面实现。 关键词：数据挖掘；聚类分析；K-means Abstract Clustering is one of the most important technologies of data mining, which is used to discover unknown classification in data set. As it has a long history of research，the importance of clustering is affirmed by people. Clustering algorithms is one of the most important algorithms which is researched extensively in machine learning, data mining and pattern recognition. It has important effect on identify intra-connection between objects. Clustering is applied in sound recognition, character recognition of pattern recognition and so on. Clustering algorithms in machine learning are applied in image segmentation and image processing which can be used to deal with data compression and information search. Another important application is applied in data mining, space database, sequence and anomaly data analysis and other fields such as statistic, biology, geognosy, geography and market. This paper is about the research of K-means. At first，some related concepts of clustering are given. The chief point of the paper is the research on K-means. K-means, O(n) time complexity, is a partition method that it is easy to use and can work well with large data set. The system is to achieve its algorithm and interface. Keywords: Data Mining; Clustering Analysis; K-means 目 录 1绪论 1 1.1研究意义及背景 1 1.2系统设计要求 2 1.3本文目的 3 2研究现状及设计目标 4 2.1国内外相关研究现状 4 2.2现行研究存在的问题及解决办法 5 2.2.1K-means的基本思想 6 2.2.2K-means的优点 6 2.2.3聚类分析中常用的距离计算函数 6 2.2.4聚类方法分析 7 2.