原创力文档- 1、本文档共13页，其中可免费阅读6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)。
查看更多
绪论
研究背景和意义
随着硬件水平的不断提高，现今信息社会的信息存储量已经到达了一个非常可观的量级，如何合理利用这些数据，从看似冗余的海量存储信息中提取事物信息特征是当下热门的研究与开发方向。作为模式识别与数据挖掘中相当重要的部分，聚类学习为许多研究者所选，不仅在原有基础上改进，更结合其他技术思想创新了许多具有实用性的算法。
作为无监督机器学习的典型方法，聚类能够在缺失样本标签的情况下将数据进行归类。现实生活中多视角数据得到越来越多的广泛应用。聚类建立在数据倾向可分离的假设上，将一类没有特征标记的数据，按照一定的标准划分成簇，簇与簇之间数据部分特征相异，而聚类过程中并未明确数据从属关系。基
文档评论（0）