基于K-means++算法和支持向量机结合的分类算法.docVIP

PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 11 论文题目： 基于K-means++算法和 支持向量机结合的分类算法 摘 要 近年来，随着计算机技术的飞速发展整个社会正在快速向数据化，信息化，智能化方向发展，于是涌现出了各行各业的大量数据。如何使得这些数据变为提高管理水平，发展产业效益与社会保障与信息安全的重要资源，成为当前重要且不得不不解决的重要问题，分析数据和挖掘这些数据的关系。因此，从大量数据信息中抽取有价值的潜在知识的一种新的数据分析技术数据挖掘应运而生。数据挖掘有对大量数据之间聚类和分类相关的学习，而本文主要从以下两个方面进行研究。 １．提出了选取聚类的初始种子点的方法。通过K-means的学习大家知道其方法有两个明显的不足，K值的选定是非常难以估计的和种子点位置的随机选取非常重要。于是本文提出了种子点位置选取的一种方法，首先根据专家经验选取第一个种子点，然后从距离第一个种子点较远的这些数据中根据权重随机选取一个种子点，重复以上步骤直到选取的种子点个数满足要求为止。该方法的主要思想就是初始的聚类中心之间的相互距离要尽可能的远。 ２．以上选取的种子点与支持向量机结合进行分类。支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的分类算法。主要就是建立一个超平面作为决策面