017基于Fp-tree算法的聚类算法改进（300元）
- 模板：¥300.00
- 成品编号：020-017
- 使用技术：无
- 数据库：无
- 最后更新：2018-09-28 14:35
注意：QQ1764030875,qq1834660615为本网站唯一成品的账号,其他均为盗版
017基于Fp-tree算法的聚类算法改进（300元）的大图展示
全屏查看大图演示
计算机毕业设计源码网：我们提供的源码通过邮箱或者QQ传送,如果有啥问题直接联系客服
素材描述：
本套毕业设计包含程序，论文
目录
目录
1. 绪论 1
1.1.研究背景和意义 1
1.2.数据挖掘，聚类技术的发展概况和现状 2
1.2.1.数据挖掘技术 2
1.2.2.聚类技术简介 3
1.3.本文研究的主要内容 4
2. 聚类分析的一般方法 5
2.1.划分方法 5
2.1.1.K-means算法 5
2.1.2.K-中心算法（PAM） 6
2.2.层次方法 7
2.2.1.BIRCH 8
2.2.2.Chameleon 8
2.3.基于密度的方法 9
2.3.1.DBSCAN 9
2.3.2.OPTICS 11
2.4.基于网格的方法 12
2.4.1.STING算法 12
2.4.2.CLIQUE算法 14
2.5.高级聚类方法 16
2.5.1.概率模型的聚类 16
2.5.2.对高维数据的聚类 16
2.5.3.对图和网络的聚类 17
2.6.半监督聚类的方法 17
2.7.本章小结 20
3.FP-growth理论及其算法 21
3.1.频繁模式挖掘的基本理论 21
3.2.FP-growth算法理论 22
3.3.FP-growth算法 25
3.4.FP-growth算法分析 28
4. FP-Tree在聚类中的改进 29
4.1.聚类的一般理解 29
4.1.1.相似性判断 29
4.1.2.比较对象选取 30
4.1.3.聚类与分类 30
4.2.半监督学习 31
4.3.关联分类 32
4.4.频繁模式与聚类的关系 32
4.5.FP-Tree在聚类中的使用 34
4.5.1.针对事务型数据集的处理 34
4.5.2.针对一般数据集的处理 37
5. 设计与实现 39
5.1.实验设计 39
5.2.实验环境 39
5.3.算法设计 40
5.3.1.FP-Seeds算法 40
5.3.2.数据处理算法 41
5.3.3.比较处理算法 42
5.4.实验代码 43
5.4.1.针对数据集datingTestSet2的代码 43
5.4.2.针对数据集abalone的代码 51
5.4.3.针对数据集lenses的代码 52
5.5.运行情况 53
5.5.1.针对数据集datingTestSet2运行情况 53
5.5.2.针对数据集abalone运行情况 55
5.5.3.针对数据集lenses运行情况 58
6. 实验结果与分析 61
6.1.数据来源 61
6.2.聚类结果分析 62
6.3.运行效率分析 63
7. 结论与展望 64
7.1.研究结论 64
7.2.研究展望 64
参考文献 66
致谢 68
外文文献 69
中文翻译 91
相关推荐
标签
全部评论 / 0