数据挖掘中聚类分析的研究

数据挖掘中的文本挖掘介绍，主要介绍，对于那些对这些不是很了解的人，取个入门的作用

数据预处理将原始的真实数据库转换成适于数据挖掘的挖掘数据库，为挖掘算法更好的实现以及挖掘结果形象的显示打下了良好的基础。针对结构化数据讨论了数据预处理的两个目标：消除现实数据库中的数据缺陷；为数据挖掘

平行坐标对多维数据的表达是数据可视化的重要方法之一。它实现了多维数据在二维平面上的表示。利用平行坐标对数据进行分析处理的技术已经取得了很大的进展，如刷(Brushing)技术、交换坐标轴、抽象等。这些

分层粒子群算法在聚类分析中的应用，赵海娜，，PSO算法潜在的并行性和分布式的特点使其能够处理以数据库形式存在的大量数据，故在聚类分析中PSO算法取得了比传统方法更好的效果。

聚类分析在网络安全评估中的应用，张丽丽，王厚涛，网络安全评估技术和方法的研究对网络安全防护体系的建设具有重要意义。该文提出了一种基于聚类分析的网络安全评估方法，对数据采

针对聚类分析时如何保护隐私的问题，提出了一种称为IBT（基于等距变换的数据转换）的算法。IBT先随机选择属性向量对，然后对属性向量对进行等距变换。变换过程中，根据所要求的相对隐私保护度来确定变换角度θ

为了提高聚类效率提出了一种基于分布式的大数据集聚类算法。该方法并不是一次性对所有的数据进行聚类，而是将大数据集随机分成若干个子集，对每个子集同时进行聚类，最后进行类的合并。实验结果表明大多数情况下该方

以1981—1990年我国东北地区繁殖的候鸟野生丹顶鹤为例，调查其繁殖地分布区域内的月平均气温、月平均最高温度、月平均最低温度、月平均降水和月平均净辐射五个气候因子数据的基础上，采用分区间统计及基于归

提出的增量式数据流聚类算法DGCDS结合网格和密度技术，能够得到任意形状的聚类，通过改进网格密度的计算方式，解决了现有网格算法中丢失数据空间影响信息的问题,并且实现了关键参数的自适应设置，减小了人工参

十几万条电话、短信、网络以及app数据资源集合。配合"Python数据挖掘处理完整项目及详细解释"这篇博客使用。