數(shù)據挖掘中的聚類算法在工業(yè)園區(qū)經濟發(fā)展中的比較應用——基于統(tǒng)計視角.pdf

1、隨著計算機科學技術的發(fā)展，探求海量數(shù)據內在信息的需求與日俱增，對傳統(tǒng)的數(shù)據分析提出了巨大的挑戰(zhàn)，使數(shù)據挖掘迅速發(fā)展成為一個獨立的領域。其中，建立有意義的對象分組是數(shù)據挖掘的基礎方式之一，聚類分析就是一種典型的分組方法，它是將物理或抽象對象的集合分組成為由類似對象組成的多個類(duster)的過程(clustering)。
　　本文將對多指標聚類方法作比較詳盡的探討，全文分為五個部分：
　　第一部分是緒論，主要包括本文選題的意

2、義，研究動態(tài)以及本文以層次分析法、主成分分析法為降維原則的聚類分析研究思路。
　　第二部分是聚類理論概述，主要對數(shù)據挖掘和聚類算法作簡要綜述，并引入極大極小距離概念，比較聚類分析的各種距離算法。
　　第三部分是研究思路和方法的說明，主要從統(tǒng)計學的角度，以工業(yè)園區(qū)經濟發(fā)展水平的劃分為目的，結合實際說明研究方法，包括指標的設計和提?。ń稻S）、聚類的樣本處理等，其中指標提取所用的層次分析法和主成分分析法是討論重點，也是實證分析的中

3、心環(huán)節(jié)。
　　第四部分是園區(qū)經濟發(fā)展水平的聚類分析實證研究。應用層次分析法和主成分分析法對云南省32個重點工業(yè)園區(qū)的指標進行降維，在聚類時對6種距離算法（最短距離法、最長距離法、重心連接法、類平均法、離差平方和法、極大極小距離法）作對比分析，選出最能反映園區(qū)實際的離差平方和法計算距離，得出相應的聚類結果（總共分為3類），并結合聚類結構圖分析存在差異的原因及提出相應的對策。
　　第五部分是總結以及對下一步研究工作設想。