论文部分内容阅读
现代数据库和网络技术的发展,使得人们面对的数据量以惊人的速度增长,为了获取有价值的信息,提出了数据挖掘技术。发展自统计学的聚类分析已成为数据挖掘中的一个十分活跃的研究领域。本文详细介绍了数据挖掘技术,包括数据挖掘的研究内容,任务和功能,数据挖掘的一般过程,数据挖掘的常用工具,主要应用领域和发展趋势。在此基础上对数挖掘中的聚类分析作以详细地论述,总结了数挖掘中聚类分析的方法和特点,并对聚类结果的评价方法进行了讨论,重点讨论了分类属性数据聚类,具体研究了k-modes 算法及其变形,并指出了它们的优缺点。主要探讨了模糊k-modes聚类结果与原始数据的分类结构的对比方法,对现有的精确度定义和计算方法进行修正,在划分相似度的基础上,重新定义模糊k-modes聚类精确度。应用进化策略对属性进行加权,改进了fuzzy k-modes算法,以基于划分相似度的聚类精确度为聚类结果的评价准则,进行实验分析,获得了较好的聚类效果。