基于划分的数据挖掘K-means聚类算法分析

为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成正比,通过密度参数优化k个样本数据的聚类中心点选取;依据欧几里得距离公式对未选取的其他数据到各个聚类中心之间的距离进行计算,同时以此距离为判别标准,对各个数据进行种类划分,从而得到初始的聚类分布;初始聚类分布得到之后,对每一个分布簇进行再一次的中心点计算,并判断与之前所取中心点是否相同,直到其聚类收敛达到最优效果。最后通过葡萄酒数据集对改进算法进行验证分析,改进算法比传统K⁃means算法的聚类效果更优,能够更好地在数据挖掘当中进行聚类。

新工科背景下WEB类课程“四三式”教学体系研究

针对现有WEB类课程在传统教学体系中存在的弊端和不足,提出了基于WEB类课程的“四三式”教学体系框架,分别从教学内容、进程、方法和评价4个方面,对应用型WEB类开发人才的培养和教学进行研究和探索。该“四三式”教学体系现已应用到“网页编程技术”课程的理论和实践教学中,经过近3年的实践检验,成效显著。

大数据在服装设计中的运用——评《数据挖掘的应用与实践》

大数据即为经过新处理模式后成为更具决策力、洞察力、流程优化能力来适应海量、多元化的信息资产。大数据技术的战略价值并不在于掌握的数据信息,而是在于对这有价值的数据信息进行专业化处理。