聚类分析数据挖掘方法的研究与应用

摘要

随着信息技术的发展，数据挖掘技术得到了广泛的关注。在数据挖掘技术中有很多研究领域，聚类分析数据挖掘就是其中一个重要的研究方向，对它进行深入研究不仅有着重要的理论意义，而且有着重要的应用价值。聚类分析就是将一组物理或抽象对象，分组为类似对象组成的多个簇，在同一个簇中的对象彼此相似，不同簇中的对象彼此相异。目前，聚类分析已经广泛地应用于模式识别，数据分析，图像处理，以及市场研究等。 在数据挖掘中，聚类是一个活跃的研究领域。目前在文献中存在大量的聚类算法。算法的选择取决于数据的类型、聚类的目的和应用。聚类算法具体可以分为划分方法，层次方法，基于密度的方法，基于网格的方法，以及基于模型的方法等。其中，在中、小规模的数据聚类应用中，划分方法在可理解度、易训练性、易实施性和通用性等方面优于其他的分类方法。 在以上研究的基础上，本文探讨了聚类技术在成人高校教学管理中的应用。通过对计算机课程的相关教师“听课记录表”的数据分析，依据聚类挖掘的实施流程，进行了各项数据预处理，应用划分方法中的k-means算法，随机生成初始的聚类，然后用反复迭代重新定位质心，改进聚类结果，最终使每个簇的平方误差最小，完成了对教师“听课记录表”的C++语言的聚类实现，并对聚类结果进行了分析和验证，得出了一些有实际意义的结论用于指导教学管理。

目录

文摘

英文文摘

声明

第一章绪论

1.1数据挖掘概述

1.2数据挖掘过程

1.3数据挖掘任务

1.4数据挖掘方法

1.5数据挖掘的应用与发展趋势

1.6论文的工作

第二章数据挖掘中的聚类技术

2.1什么是聚类分析

2.2聚类分析中的数据类型

2.3聚类的分析过程和主要的聚类方法

2.4本章小结

第三章聚类方法研究

3.1划分方法

3.2层次方法

3.3基于密度的方法

3.4基于网格的方法

3.5基于模型的聚类方法

3.6几种常用算法的性能比较

3.7本章小结

第四章聚类技术在成人高校教学管理中的应用

4.1问题的提出

4.2解决方案

4.3方案实施实例

4.4k-means聚类算法的实现

4.5聚类结果分析与知识的应用

4.6本章小结

第五章总结和展望

参考文献

附录

致谢

攻读学位期间发表的论文