數(shù)據(jù)挖掘K-means聚類算法的研究.pdf

1、近年來(lái)，全球數(shù)據(jù)的快速積累以及傳播速度不斷地提高。人們面對(duì)如此海量的數(shù)據(jù)，處理方式略顯落后，因此數(shù)據(jù)挖掘技術(shù)得到了前所未有的迅猛發(fā)展。數(shù)據(jù)挖掘就是從龐大的數(shù)據(jù)集中發(fā)現(xiàn)未知的、有規(guī)律性的但又具有價(jià)值的過(guò)程。聚類分析作為數(shù)據(jù)挖掘的重要技術(shù)之一，其目的在于同一類別相似度盡可能的大，而不同類別相似度盡可能的小。
　　K-means算法是最知名、最常用的聚類算法之一，它是基于劃分的算法。該算法在處理均值數(shù)據(jù)時(shí)快速、有效，計(jì)算復(fù)雜度具有可擴(kuò)展

2、性等特點(diǎn)。但是必須需要用戶事先確定聚類個(gè)數(shù)，并且常常終止于局部最優(yōu)致使得不到最佳聚類結(jié)果，隨機(jī)選取初始聚類中心使得聚類結(jié)果不穩(wěn)定，此外對(duì)孤立點(diǎn)與噪聲非常敏感等缺點(diǎn)。
　　本文首先介紹了數(shù)據(jù)挖掘的研究背景與意義，然后從聚類的準(zhǔn)則函數(shù)、數(shù)據(jù)類型、數(shù)據(jù)結(jié)構(gòu)和相似度等相關(guān)概念介紹了聚類分析，在此基礎(chǔ)上全面細(xì)致地研究了K-means算法的原理、優(yōu)點(diǎn)與缺點(diǎn)。針對(duì)K-means算法的缺點(diǎn)提出了兩種改進(jìn)算法:首先從K-means算法需要用戶事先指

3、定k值大小的缺點(diǎn)提出了距離最大自動(dòng)生成k值算法，通過(guò)距離最大的思想確定k值從而使用戶減少對(duì)該參數(shù)的依賴;接著利用坐標(biāo)旋轉(zhuǎn)算法改進(jìn)了隨機(jī)選取初始中心的缺點(diǎn)，該算法在確定了初始中心點(diǎn)確保聚類結(jié)果變得穩(wěn)定，并且避免了局部最優(yōu)的情況，通過(guò)大量實(shí)驗(yàn)論證了兩種改進(jìn)算法的可行性與正確性。最后將改進(jìn)算法和K-means算法應(yīng)用在市場(chǎng)細(xì)分中，對(duì)淘寶網(wǎng)中男士錢包的各種品牌以及店鋪銷售情況做了細(xì)分結(jié)果，得出了細(xì)致的劃分，為企業(yè)決策者提供了商業(yè)決策，從而對(duì)企業(yè)