三个代表性密度聚类算法（DBSCAN、OPTICS和DENCLUE）实现与对比分析任务书

 2021-11-07 09:11

1. 毕业设计（论文）主要目标：

聚类算法又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。

本课题的主要目标是理解聚类算法的内涵和实现方式，并编程实现DBSCAN、OPTICS、DENCLUE这三种有代表性的密度聚类算法再通过实验检测他们的性能，对他们加以分析和改进。

2. 毕业设计（论文）主要内容：

  1. 了解聚类问题的研究现状，理解聚类算法的内涵，其应用背景以及现存的问题；
  2. 熟悉经典的DBSCAN、OPTICS、DENCLUE聚类算法的基本原理和实现方式；
  3. 通过编程实现这三种经典的密度聚类算法；
  4. 通过大量的实验数据分析，从理论和实验两个层面对这几种聚类算法进行分析和总结，归纳他们的优缺点。

3. 主要参考文献

  1. 刘维.数据挖掘中聚类算法综述[J].江苏商论,2018(07):120-125.
  2. 王玉晗,罗邓三郎.聚类算法综述[J].科技资讯,2018,16(24):10-11.
  3. 张丽芳.3种聚类算法性能比较分析[J].长江大学学报(自然科学版)理工卷,2009,6(02):250-251.
  4. 薛小娜,高淑萍,彭弘铭,吴会会.基于K近邻和多类合并的密度峰值聚类算法[J].吉林大学学报(理学版),2019,57(01):111-120.
  5. 宋金玉,郭一平,王斌.DBSCAN聚类算法的参数配置方法研究[J/OL].计算机技术与展,2019(05):1-8[2019-03-14]
  6. 秦佳睿,徐蔚鸿,马红华,曾水玲.自适应局部半径的DBSCAN聚类算法[J].小型微型计算机系统,2018,39(10):2186-2190.
  7. 冯玲,刘克剑,唐福喜,孟庆瑞.一种基于网格查询的改进DBSCAN算法[J].西华大学学报(自然科学版),2016,35(05):25-29.
  8. 安建瑞,张龙波,王雷,金超,怀浩,王晓丹.一种基于网格与加权信息熵的OPTICS改进算法[J].计算机工程,2017,43(02):206-209
  9. Weipeng Jing,Chuanyu Zhao,Chao Jiang. An improvement method of DBSCAN algorithm on cloud computing[J]. Procedia Computer Science,2019,147.
  10. 王志强. 基于局部中心量度的聚类算法研究[D].华南理工大学,2018.
  11. 曾依灵,许洪波,白硕.改进的OPTICS算法及其在文本聚类中的应用[J].中文信息学报,2008(01):51-55 60.
  12. 余小高,余小鹏.基于距离和密度的无监督聚类算法的研究[J].计算机应用与软件,2010,27(07):122-125 168.
  13. 谭建豪,章兢,李伟雄.密度分布函数在聚类算法中的应用[J].控制理论与应用,2011,28(12):1791-1796.
  14. Hajar Rehioui,Abdellah Idrissi,Manar Abourezq,Faouzia Zegrari. DENCLUE-IM: A New Approach for Big Data Clustering[J]. Procedia Computer Science,2016,83.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章