一種基于空間坐標(biāo)變換的角度聚類處理方法_第1頁
一種基于空間坐標(biāo)變換的角度聚類處理方法_第2頁
一種基于空間坐標(biāo)變換的角度聚類處理方法_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

分成幾個組，使得同一組中的對象相似度高，而不同組之間的相似度低。近年來，由于數(shù)據(jù)集的維度變得越來越高，聚類問題變得越來越復(fù)雜。能會受到變量之間的交互影響，從而不太穩(wěn)定。本文提出一種新的方法，該方法基于對三維坐標(biāo)系的變形操作，在三維空間中將原始數(shù)據(jù)轉(zhuǎn)化為步驟1：數(shù)據(jù)變換npX={xij}（i=1,…,n；j=1,…,p）。我XY={yij}yijijA={aij}（i=1,…,p；j=1,…,p），XAY=XA然后，我們將矩陣Y投影到一個新的坐標(biāo)系中。考慮三維空間中的一個坐標(biāo)系，其中z軸的方向為向量(1,1,1)。我們將x軸和y軸的方向uvu和v繞z軸旋轉(zhuǎn)θ度來定義新坐標(biāo)系的方向。對于第i個對象的第j個變其中，xi1、xi2、xi3i在原始坐標(biāo)系中的三個坐標(biāo)。步驟2：聚類處理k-meansk個簇。然后，我們將每個對象分配給其我們在三個不同的數(shù)據(jù)集上測試了我們的方法。這些數(shù)據(jù)集分別是：11002010個變量是相關(guān)的，10210010070個變量是相關(guān)的，其余30個變量是獨立的。350500400個變量是相關(guān)的，其余100個變量是獨立的。PCAk-means算法進行聚類處理。我們將聚類結(jié)果與真實標(biāo)簽進行比較，并計算ARI（調(diào)整蘭德指數(shù)）和NMI（歸一化互信息）兩個指標(biāo)。1k=10ARINMI0.9700.976ARINMI0.791和0.81

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論