论文简介：
毕业设计-一个基于网格和密度的聚类算法的实现，正文共24页，13762字。
【摘要】
权威的Gartner调查组报告显示，数据挖掘将是今后几年全球范围内重点投资研究的十大新技术之一，它引起了学术界和工业界的广泛关注，是当今数据库系统研究和应用领域内的一个热点问题。本文讨论数据挖掘中聚类的相关概念、技术和算法。在已提出的聚类算法中，一大类都是基于“距离”的概念，不管是传统的欧氏几何距离还是其它意义上的距离，如常见的k-means、k-medoids算法，这类算法的缺点在于处理大数据集和高维数据集时不够有效，另一方面它能发现的聚类个数常常依赖于用户参数的指定，而这对用户来说经常是很困难的。这里要讨论的算法与此有根本的不同，既它抛弃了距离的概念，而采取一种新的思路，我们称之为基于网格和密度的算法，它的优点在于能够自动发现包含有趣知识的子空间，并将里面存在的所有聚类挖掘出来；另一方面它能很好的处理高维数据和大数据集的数据表格。算法将最后的结果用DNF的形式表示出来。
【关键词】
数据挖掘、聚类规则/分析、网格、密度、高维数据、字空间、最大区域、DNF表达式

1 索引 2
2 摘要 3
3 关键词 3
4 正文 4
4.1 数据挖掘 4
4.2 聚类分析 8
4.3 算法实现及其应用背景 10
4.3.1 背景 10
4.3.2 问题描述 12
4.3.3 算法实现 15
4.3.3.1.1 找出包含聚类的子空间 15
4.3.3.1.2 找出给定子空间中的聚类 17
4.3.3.1.3 生成对聚类的一个描述 19
4.3.4 算法运行的一个实例 20
5 结束语 22
6 参考文献 23
7 致谢 23

论文文件预览：
共1文件夹，1个文件，文件总大小：6.64MB，压缩后大小：528.61KB

• 毕业设计-一个基于网格和密度的聚类算法的实现
• 基于网格和密度的聚类算法的实现.doc  [6.64MB]