《数据挖掘K均值算法实现论文》毕业学术论文.doc

l 本科生毕业论文设计 数据挖掘K-均值算法实现 作者姓名： 指导教师： 所在学院： 数学与信息科学学院 专业（系）： 计算机科学与技术 班级（届）： 2013届计算机班 二零一三年五月二日 目 录 TOC \o 1-3 \t 毕设标题1,1,毕设标题2,2,毕设标题3,3 中文摘要、关键字 1 1 绪论 PAGEREF _Toc355862683 \h 3 1.1 本文研究的背景和意义 PAGEREF _Toc355862684 \h 3 1.2 聚类分析国内外研究现状 PAGEREF _Toc355862685 \h 5 1.3 本文所做的主要工作 PAGEREF _Toc355862686 \h 7 2 聚类算法的分析与研究 PAGEREF _Toc355862687 \h 8 2.1 数据挖掘简介 PAGEREF _Toc355862688 \h 8 2.2 聚类的基本知识 PAGEREF _Toc355862689 \h 8 2.2.1 类的定义及表示 PAGEREF _Toc355862690 \h 9 2.2.2 聚类的相似度量方法 PAGEREF _Toc355862691 \h 9 2.2.3 聚类间的距离测度函数 PAGEREF _Toc355862692 \h 11 2.2.4 聚类分析的一般步骤 PAGEREF _Toc355862693 \h 12 2.3 常用的聚类分析的方法介绍 PAGEREF _Toc355862694 \h 13 2.3.1 基于划分的方法 PAGEREF _Toc355862695 \h 13 2.3.2 基于密度的方法 PAGEREF _Toc355862696 \h 13 2.3.3 基于层次的算法 PAGEREF _Toc355862697 \h 13 2.3.4 基于模型的算法 PAGEREF _Toc355862698 \h 14 2.3.5 基于网格的算法 PAGEREF _Toc355862699 \h 14 2.4 常用的划分聚类算法的分析 PAGEREF _Toc355862700 \h 14 2.4.1 K-均值聚类算法 PAGEREF _Toc355862701 \h 15 2.4.2 K-中心聚类法 PAGEREF _Toc355862702 \h 15 2.5 本章小结 PAGEREF _Toc355862703 \h 16 3 K一均值聚类算法的研究 PAGEREF _Toc355862704 \h 17 3.1 K-均值聚类算法介绍 PAGEREF _Toc355862705 \h 17 3.1.1 K一均值聚类算法基本思想 PAGEREF _Toc355862706 \h 17 3.1.2 K一均值聚类算法主要流程 PAGEREF _Toc355862707 \h 17 3.2 K-均值聚类算法的主要缺陷及分析 PAGEREF _Toc355862708 \h 18 3.3 本章小结 PAGEREF _Toc355862709 \h 19 4 K-均值聚类算法的实验 PAGEREF _Toc355862710 \h 20 4.1 实验结果分析 PAGEREF _Toc355862711 \h 20 4.2 本章小结 PAGEREF _Toc355862712 \h 25 5 总结与展望 26 5.1 总结 PAGEREF _Toc355862714 \h 25 5.2 展望 PAGEREF _Toc355862715 \h 26 参考文献 PAGEREF _Toc355862716 \h 28 英文摘要、关键字 31 PAGE1 论文题目：数据挖掘K均值算法实现 数学与信息科学学院 计算机科学与技术专业 指导教师：郭瑞强 作者：郝蓓 摘要：随着互联网技术的迅速发展，现在的人们每一天都会面临例如文本、图像、视频、音频等各种数据形式，这些数据的数据量的大小是很惊人的。怎样能够很快的并且高效地从这些大量数据中挖掘提炼出它所蕴含的价值，成为现在人们特别关注并且需要马上解决的问题。数据挖掘(Data Mining，DM)正是因为这个才慢慢诞生出来。数据挖掘经过一段时间的迅猛发展，诞生出了大量的理论结果和现实使用成果，它提供了许多工具和卓有成效的方法来解决问题。数据挖掘中有一项是很重要的研究领域，那就是聚类分析，这是一种对数据进行按照不同的依据将数据进行分组或者将数据进行划分的方式。聚类无论在生物科学研究，还是在商务贸易中、图像分析处理