EMST及相关算法聚类评估.docx

1、本文档共35页，其中可免费阅读11页，需付费170金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

摘要

PAGEV

西安交通大学本科毕业设计（论文）

PAGEVI

摘要

聚类分析是一种统计数据分析技术，典型应用场景有基因选择和文字材料分类。以MST为基础的聚类的一个好处是它将数据点之间的距离作为主要考虑对象，因此它能检测到不规则边界的簇。传统的基于EMST的聚类算法会使用到给出的数据集的所有属性，在时空效率、准确度上均没有足够好的效果。

特征选择一直是机器学习领域的一个研究热点。它在数据属性集中选出一个有用的子集，实现数据的高效聚类。为进一步理解和认识一些常见的聚类算法和对上述问题的探索，本文选取K-means和EMST等算法应用于经典数据集样本进行聚类，对数据集各属性对

各种文档资料分享，有特别需要可以留言

咨询Ta 进入空间

更多 >