基于K-means算法的平面点集聚类系统-论文.docVIP

PAGE 2 PAGE 25 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 20090233011087 姓 名 王华松 指导教师 叶娜 负责教师 叶娜 沈阳航空航天大学 2011年6月 沈阳航空航天大学毕业设计（论文） 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 A