绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 2 条结果
[期刊论文] 王继丽 徐巍华
-
北大核心 CSTPCD AJ SA
-
摘要:近年来,数据挖掘技术已广泛应用于故障诊断领域.聚类分析作为数据挖掘的一项重要手段,在智能诊断中具有重要研究价值.2002年,聚类融合算法已经提出就得到广泛关注,成为聚类分析研究的新热点.文章在聚类融合算法的基础上,重点研究了聚类成员差异引起不同融合效果的问题,分析了K-means算法中聚类个数同融合质量的关系,提出一种改进算法ICEA(An Improved Clustering Ensemble Algorithm),旨在进一步提高聚类融合算法的鲁棒性和精确度,提高故障诊断的准确性.ICEA中通过函数对各聚类成员加权,减少"恶劣"聚类成员对融合结果的影响;并以差异度为指标制定循环终止条件.实验证明,该算法在准确性及鲁棒性上均优于原算法....
[硕士论文] 王继丽
控制理论与控制工程 浙江大学;浙江大学信息科学与工程学院 2008(学位年度)
摘要:聚类,作为数据挖掘技术研究的热点之一,受到了越来越多的关注。目前已有很多比较成熟的聚类算法,如K-means、K-medoids、BIRCH、CURE、DBSCAN、STING等。虽然其中有些算法已经得到广泛应用,但由于聚类分析算法对于数据集有诸多限制,所以很难找到适合的方法进行聚类分析。由此,聚类融合算法应运而生。2002年,聚类融合算法一经提出就得到广泛关注。实验证明,该方法能够得到比单一聚类算法更优的结果。但其自身并不成熟,仍存在许多问题,如关键参数设定、“软”“硬”聚类的融合、共识函数的设计及选择等。本文所做工作如下: 1.本文在深入了解聚类融合算法的基础上,重点考察了利用k-means算法产生聚类成员的聚类融合算法中各成员的聚类个数与最终融合质量的关系,并提出了一种改进算法以提高聚类融合的精确度。首先,根据聚类成员之间存在差异度的思想,定义了一种差异度计算公式;其次,通过实验考察各个聚类成员的聚类个数与目标聚类个数的差值对融合结果的影响,制定了加权函数的计算公式。实验数据证明,改进算法在精确度方面优于原算法。 2.电信中客户细分模型多用K-means算法来进行,但该方法在实际应用中存在许多问题:需要专业人员指定聚类个数并对结果做出经验判断、划分结果“过硬”等。本文将聚类融合改进算法引入客户细分中,以某市电信公司小灵通业务数据挖掘为背景,针对客户通话、短信等行为属性特征进行客户细分。过程中使用聚类融合改进算法,能够有效解决上述问题并得出合理的聚类结果,同时通过对Co-association矩阵的分析可以得到每个客户属于某一集群的概率,达到了“软化”划分结果的目的,使数据挖掘更智能化。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部