- 上一篇：VB+access某钢铁企业能源数据库的设计+源代码+答辩PPT
- 下一篇：大型机的外汇业务管理系统的设计与实现挂牌外汇对私外汇业务
1.3研究内容和研究方法
在数据挖掘中，聚类主要解决的是在不知道类别标签的情况下的样本数据分类问题。聚类和分类的区别主要在于：分类是用已经知道了类别标签的样本数据去训练一个分类器，再用该分类器对其他未知类别的样本进行归类，属于有导师、有监督的学习；聚类是完全不知道各个样本的类别，而需要按照一定的聚类度量准则直接进行聚类，属于无导师、无监督的学习。
系统聚类问题主要有两种形式，一种是对研究对象本身进行分类，称为 型聚类；另一种是对研究对象的观察指标进行分类，称为 型聚类。目前，聚类主要运用在图象处理、模式识别、客户信息分析、金融分析、医学、军事等诸多领域中。
在聚类分析中，K-means算法是一种经典的基于划分的聚类算法，它是目前应用最广泛也最成熟的一种聚类分析方法。但是该算法存在着对初始聚类中心的选择非常敏感，容易取得局部最优解，对噪声数据和孤立点数据比较敏感等问题。此外，由于K-means算法采用的是一种以距离作为度量数据点间相似度的方法，故无法发现任意形状的簇，而只能发现数据点分布较为均匀的类球状簇。
基于此，本课题主要研究各种聚类算法的优缺点及重点对K-means聚类算法展开分析研究。并通过实验数据采集，对K-means聚类算法进行仿真模拟，应用范围也较广
-
基于MATLAB的图像增强算法设计
-
基于Kinect的手势跟踪与识别算法设计
-
基于核独立元分析的非线...
-
JAVA+MYSQL《算法与数据结构...
-
STM32的μC/OS-II的分析与改进
-
php快递公司效益分析系统的设计与实现
-
神经网络算法在核素识别中的应用研究
杂拟谷盗体内共生菌沃尔...
当代大学生慈善意识研究+文献综述
电站锅炉暖风器设计任务书
酸性水汽提装置总汽提塔设计+CAD图纸
乳业同业并购式全产业链...
中考体育项目与体育教学合理结合的研究
大众媒体对公共政策制定的影响
java+mysql车辆管理系统的设计+源代码
十二层带中心支撑钢结构...
河岸冲刷和泥沙淤积的监测国内外研究现状