f.rar - ：随着数据信息的积累，如何从这些海量信息中有效地提取所需要的知识成为当前数据挖掘的重要内容。聚类作为数据挖掘的重要工具，通过将数据划分成多个类，使得类内数据尽可能相似，而类间数据的相似度尽可能小，已成为研究热点。本文总结在数据挖掘中的聚类算法，针对聚类中所存在的问题,2010-12-06 16:43:38,下载2次
e.rar - ：聚类分析是数据挖掘研究领域中一个非常活跃的研究课题) 本文重点分析了高维度数据的自动子空间聚类算法,2010-12-06 16:42:26,下载54次
d.rar - 聚类分析是数据挖掘研究领域中一个非常活跃的研究课题) 本文重点分析了高维度数据的自动子空间聚类算法
,2010-12-06 16:41:29,下载47次
c.rar - 阐述了聚类算法基本原理，介绍了各种聚类算法，并比较分析了几种典型聚类
算法的优点与不足，以便于对聚类算法作进一步的研究。,2010-12-06 16:40:13,下载26次
b.rar - ：DBSCAN是一个基于密度的聚类算法。该算法将具有足够高密度的区域划分为簇，并可以在带有“噪声”的空间数
据库中发现任意形状的聚类。但DtLqCAN算法没有考虑非空间属性，且DBSCAN算法需扫描空间数据库中每个点的e一
邻域来寻找聚类，这使得DBSCAN算法的应用受到了一定的局限。文中提出了一种基于DBSCAN的算法，可以处理非空
间属性，同时又可以加快聚类的速度。,2010-12-06 16:38:45,下载152次
a.rar - 基于密度的聚类算法因其抗噪声能力强和能发现任意形状的簇等优点，在聚类分析中被广泛采用，本文提出
的基于相对密度的聚类算法，在继承上述优点的基础上。有效地解决了基于密度的聚类结果对参数值过于敏感、参数
值难以设置以厦高密度簇完全被相连的低密度簇所包含等问题。,2010-12-06 16:31:17,下载27次