论文研究 通过k均值和k质点聚类算法对电信数据进行技术分析

聚类分析是在新兴的数据挖掘领域中广泛用于许多实际应用的主要数据分析方法之一。好的聚类方法将产生具有高集群内相似度和低集群间相似度的高质量集群。聚类技术应用于不同领域，以预测可用数据的未来趋势及其在现实世界中的用途。进行这项研究工作是为了找到两种最受委托的基于分区的聚类算法，即k-Means和k-Medoids的性能。对这两种算法进行了最新的分析，并根据它们的聚类结果质量，通过执行时间和其他组件来分析性能。电信数据是此分析的源数据。给出了面向连接的宽带数据作为查找算法聚类质量的输入。服务器位置与其连接之间的距离考虑用于群集。分析每种算法的执行时间，并将结果相互比较。在比较研究中