多种高速聚类算法得研究与C编程.pptVIP

多种高速聚类算法的研究与C编程 学生： 胡侠 指导教师：周一民 Email: huxia001@ 组织结构 项目背景、意义 系统的实现 实验与分析 总结与展望 项目的背景、意义 (Ⅰ) 背景 聚类分析源于多个领域，包括数据挖掘，统计学，生物学，以及机器学习等 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程 聚类是将数据点集合分成若干类或簇(cluster)，使得每个簇中的数据点之间最大程度地相似，而不同簇中的数据点最大程度地不同；从而发现数据集中有效的、新颖的、有用的数据分布；其与分类不同 项目的背景、意义(Ⅱ) 意义 聚类分析广泛的应用于许多领域中，包括模式识别，数据分析，图像处理，以及市场研究 要想比较透彻的了解各种聚类算法及其特性，用程序将其实现是非常必要的，而相关的源程序由于种种原因，很难找到 国内外研究现状与发展动态(Ⅰ) 研究现状 聚类技术主要分为如下几类：划分方法，层次方法，基于密度的方法，基于网格的方法，和基于模型的方法 在数据挖掘领域，研究工作已经集中在为大型数据库的有效和实际的聚类分析寻找适当的办法 在统计学上，有一些经典的算法的聚类工具已经被加入到许多统计分析软件包或系统中；在机器学习领域，聚类是无指导学习的