数据挖掘空间聚类

聚类分析在数据挖掘领域中得到了广泛的应用,对空间数据的聚类是其中的一个重要研究方向。文章提出了对空间数据聚类的6个标准,并基于这6个标准对一些传统的空间数据聚类算法作了分析比较。在分析的基础上指出没有一种老的算法能同时处理大量数据点、高维数据和多噪声的问题。接着对近年来改进或创新的聚类算法作了简要分析,并对未来发展方向进行了简要展望,目的主要是便于研究者全面了解和掌握空间数据聚类的现有算法,发现更高性能的聚类算法,也使用户能方便快速地找到适合特定问题的聚类方法。     

数据挖掘中的聚类算法

数据挖掘中的聚类算法聚类算法在数据挖掘领域中得到了广泛的应用。不同的聚类方法运用不同的相似性定义和技术。一种具体的聚类方法只适用于一定的环境用户。众多的聚类算法容易给用户造成使用上的困惑。该文从不同的角度分析、比较了几类流行的聚类算法,也分析了处理高维和大型数据库的聚类算法,对一些联合了多种技术的聚类算法作了简单介绍,最后阐述了聚类分析的应用。目的主要是便于研究者对已有的算法进行改进,提出具有更好性能的聚类算法,使用户能方便快速地找到解决给定问题的方法。分析表明,在数据量不断激增的现在,算法的执行速度…     

数据挖掘分类算法综述

基于数据挖掘分类算法的研究现状,对目前发展较成熟的几种分类算法如决策树、关联规则分类、神经网络、贝叶斯方法、遗传算法等数据挖掘分类算法分别进行了论述。主要分析比较各典型算法的优点和不足,对其他一些算法也作了简单介绍,旨在追溯算法的发展轨迹,指出部分算法可能发展的方向,为进一步研究提供有益的借鉴。     

对CMAR算法的分析与改进

通过引进信息增益计算各属性的熵值,并按照熵值进行排序建立数据字典F-list,进而建立FP-树,实现对CMAR算法的改进。     

频繁项集挖掘算法综述

该文基于频繁项集挖掘算法的研究现状,采用自底向上遍历搜索、自顶向下遍历搜索和混合遍历搜索的分类方法,对现有的频繁项集挖掘算法进行归纳分类,分析和比较了各类别中具有代表性的挖掘算法,总结每种算法各方面的特性.同时,对一些特殊的频繁项集挖掘算法也作了简单介绍.旨在使读者全面掌握频繁项集挖掘算法目前的研究水平,便于研究者对已有的算法进行改进,提出具有更好性能的新的分类算法,也便于使用者在应用时对算法的选择和使用.