有許多聚類算法可供選擇，對于所有情況，沒有單一的最佳聚類算法。相反，最好探索一系列聚類算法以及每種算法的不同配置。在本教程中，你將發(fā)現(xiàn)如何在 python 中安裝和使用頂級聚類算法。
2023-05-22 09:13:55
171 
分享一篇關(guān)于聚類的文章： **10種聚類算法和Python代碼** 。文末提供`<span>jupyter notebook</span>`的完整代碼獲取方式。
聚類或聚類分析是無監(jiān)督學習問題。它通常被用作數(shù)據(jù)分析技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)中的有趣模式，例如基于其行為的客戶群。
2023-02-20 13:57:59596 
分享一篇關(guān)于聚類的文章： **10種聚類算法和Python代碼** 。文末提供`<span>jupyter notebook</span>`的完整代碼獲取方式。
聚類或聚類分析是無監(jiān)督學習問題。它通常被用作數(shù)據(jù)分析技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)中的有趣模式，例如基于其行為的客戶群。
2023-02-20 13:57:55491 
分享一篇關(guān)于聚類的文章： **10種聚類算法和Python代碼** 。文末提供`<span>jupyter notebook</span>`的完整代碼獲取方式。
聚類或聚類分析是無監(jiān)督學習問題。它通常被用作數(shù)據(jù)分析技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)中的有趣模式，例如基于其行為的客戶群。
2023-02-20 13:57:51438 
分享一篇關(guān)于聚類的文章： **10種聚類算法和Python代碼** 。文末提供`<span>jupyter notebook</span>`的完整代碼獲取方式。
聚類或聚類分析是無監(jiān)督學習問題。它通常被用作數(shù)據(jù)分析技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)中的有趣模式，例如基于其行為的客戶群。
2023-02-20 13:57:47322 
基于稀疏高維大數(shù)據(jù)的增量模糊聚類算法
2021-06-25 15:49:57
10 多目標優(yōu)化算法在復雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)中具有很強的競爭力，然而，在處理社區(qū)結(jié)構(gòu)較為模糊、網(wǎng)絡(luò)數(shù)據(jù)規(guī)模大的問題時難以得到滿意的效果。為克服現(xiàn)有多目標方法的不足，提岀一種基于譜聚類的多目標復雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法
2021-06-17 15:02:3511 為對包含數(shù)值和名詞屬性的混合數(shù)據(jù)集進行定性組合聚類分析，提出一種基于模糊優(yōu)勢關(guān)系的粗糙聚類定性組合算法f-QRD。根據(jù)混合數(shù)據(jù)集的不同屬性分別進行聚類并計算類簇之間的模糊優(yōu)勢關(guān)系，為避免組合后的類簇
2021-06-11 10:38:225 避免先前基于例子的音頻檢索要按照監(jiān)督機制訓練不同類別的復雜的音頻模板，直接從原始音頻流中提取壓縮域特征，使用時空約束機制進行壓縮域特征的模糊聚類，用聚類結(jié)果的質(zhì)心來表征整個音頻例子，基于聚類質(zhì)心完成
2011-03-06 22:10:01
面向SNP的模糊聚類算法及研究綜述
2021-06-08 15:46:456 基于模糊C均值聚類的軟件多缺陷定位方法
2021-06-02 14:38:416 Problem， MMTSP），文中提出了一種模糊C均值聚類單親遺傳算法。該算法首先采用模糊C均值聚類方法將所有城市按照隸屬度分成若干類，然后對應毎個類建立一個旅行商問題，并通過一種改進的單親遺傳算法對旅行商問題進行求解，最后將各個類的結(jié)果綜合作為 MMTSP的解。所提算法采用先聚類再執(zhí)行遺傳操作
2021-05-29 15:23:363 針對含有噪聲的高維數(shù)據(jù)的聚類問題，提岀一種使用新的距離度量方式的増量式聚類算法 ANFCM（cp）。由于傳統(tǒng)的模糊C均值聚類算法對初始化聚類中心比較敏感，所提岀的聚類算法將單程FCM的増量機制（稱為
2021-05-12 15:20:511 為了降低K- mediods聚類算法的誤差并提高并行優(yōu)化的性能，將混合蛙跳算法運用于聚類和并行優(yōu)化過程。在Kmediods聚類過程中，將K- mediods與聚類簇思想相結(jié)合，對各個聚類簇進行混合
2021-05-08 16:17:184 為輔助銀行機構(gòu)進行精準的服務(wù)推薦，提出了基于改進的Caηopy和共享最近鄰相似度的聚類算法。基于該算法對用戶進行細分，針對用戶群特點進行精準服務(wù)推薦。該算法首先采用最大值和最小值對 Canopy算法
2021-04-28 11:44:352 將改進的 DBSCAN聚類算法與 Spark平臺并行聚類計算理論相結(jié)合，對海量數(shù)據(jù)采用分而治之的辦法進行聚類處理，大幅減小了算法對內(nèi)存的占用率。實驗仿真結(jié)果表明，所提出的并行計算方法能夠有效緩解內(nèi)存不足的問題，并且該方法也能夠用來評價 DBSCAN聚類算法在Hadoφ平臺下的聚類分析效果，還能對兩種聚類
2021-04-26 15:14:499 數(shù)據(jù)聚類在數(shù)據(jù)挖掘、數(shù)據(jù)分析中廣泛應用，而不完整數(shù)據(jù)對數(shù)據(jù)聚類造成了很大困擾。針對不完整數(shù)據(jù)聚類中估值法填補缺失屬性不準確的問題，提岀動態(tài)區(qū)間的加權(quán)模糊聚類算法。首先，由屬性相關(guān)度構(gòu)造缺失屬性的最近
2021-04-13 11:09:464 傳統(tǒng)的軟子空間聚類算法在對信息量大、強度不均勻、邊界模糊的乳腺MR圖像進行分割時，易受初始聚類中心和噪聲數(shù)據(jù)的影響，導致算法陷入局部最優(yōu)，造成誤分類。針對該問題，提出一種頭腦風暴算法優(yōu)化的乳腺MR
2021-04-11 11:22:067 聚類或聚類分析是無監(jiān)督學習問題。它通常被用作數(shù)據(jù)分析技術(shù)，用于發(fā)現(xiàn)數(shù)據(jù)中的有趣模式，例如基于其行為的客戶群。有許多聚類算法可供選擇，對于所有情況，沒有單一的最佳聚類算法。相反，最好探索一系列聚類算法
2021-03-12 18:23:431828 這一最著名的聚類算法主要基于數(shù)據(jù)點之間的均值和與聚類中心的聚類迭代而成。它主要的優(yōu)點是十分的高效，由于只需要計算數(shù)據(jù)點與劇類中心的距離，其計算復雜度只有O（n）。
2020-04-15 15:23:2914904 聚類算法十分容易上手，但是選擇恰當?shù)?b style="color: red">聚類算法并不是一件容易的事。
2020-03-15 17:10:001663 針對骨干粒子群優(yōu)化（ BBPSO）算法易陷入局部最優(yōu)、收斂速度低等問題，提出了基于核模糊聚類的動態(tài)多子群協(xié)作骨干粒子群優(yōu)化（ KFC-MSBPSO）算法。該算法在標準骨干粒子群算法的基礎(chǔ)上，首先
2019-01-03 09:42:1921 針對多數(shù)據(jù)源或異構(gòu)數(shù)據(jù)集，采用單個核函數(shù)的聚類效果不理想的問題，以及考慮到不同屬性對不同類別重要性的差異，本文提出了一種屬性加權(quán)多核模糊聚類算法（WMKFCM）。該算法將多核模糊聚類算法與屬性加權(quán)核
2018-12-21 15:03:343 聚類分析是將研究對象分為相對同質(zhì)的群組的統(tǒng)計分析技術(shù)，聚類分析的核心就是發(fā)現(xiàn)有用的對象簇。K-means聚類算法由于具有出色的速度和良好的可擴展性，一直備受廣大學者的關(guān)注。然而，傳統(tǒng)的K-means
2018-12-20 10:28:2910 數(shù)據(jù)聚類的目標優(yōu)化函數(shù)，并定義了優(yōu)化該函數(shù)的期望最大化（ EM）型聚類算法。分析結(jié)果表明，所提算法可以進行非均勻數(shù)據(jù)的軟子空間聚類。最后，在合成數(shù)據(jù)集與實際數(shù)據(jù)集上進行的實驗結(jié)果表明，所提算法有較高的聚類精度，與現(xiàn)有
2018-12-13 10:57:5910 模糊c劃分空間為：即有c個類，共N個數(shù)據(jù)（樣本），對于某一樣本，其在所有類的隸屬度值和為1，對于某一個類，所有數(shù)據(jù)的隸屬度值和小于N。
模糊聚類從某種程度上說就是找到聚類中心。
2018-06-15 08:00:0012 本文開始介紹了聚類算法概念，其次闡述了聚類算法的分類，最后詳細介紹了聚類算法中密度DBSCAN的相關(guān)概況。
2018-04-26 10:56:4121028 
以提高電力系統(tǒng)電壓穩(wěn)定裕度為目的，基于模糊聚類方法對網(wǎng)絡(luò)重構(gòu)進行分析。若系統(tǒng)網(wǎng)絡(luò)發(fā)生故障（如某聯(lián)絡(luò)線發(fā)生短路、過載等）或因不確定性問題引起其他網(wǎng)絡(luò)故障，應迅速切除。為不影響負荷供電，需要其他線路替代
2018-03-27 15:09:540 相關(guān)研究領(lǐng)域的廣泛關(guān)注。因此，多位學者對如何將FCM算法拓展到直覺模糊領(lǐng)域進行了研究，賀正洪將聚類對象及聚類中心點用直覺模糊集表示，提出基于直覺模糊集合的模糊c均值算法。申曉勇聚類對象和聚類中心點及兩者間的關(guān)系均推廣到直覺模糊領(lǐng)域，提出了一種基于目標函數(shù)的
2018-03-14 10:08:431 面對結(jié)構(gòu)復雜的數(shù)據(jù)集，譜聚類是一種靈活而有效的聚類方法，它基于譜圖理論，通過將數(shù)據(jù)點映射到一個由特征向量構(gòu)成的低維空間，優(yōu)化數(shù)據(jù)的結(jié)構(gòu)，得到令人滿意的聚類結(jié)果，但在譜聚類的過程中，特征分解的計算復雜度通常為O（n3），限制了譜聚類算法在大數(shù)據(jù)中的應用。
2018-03-01 10:10:170 針對譜聚類算法在解決高維、大數(shù)據(jù)量的聚類問題時出現(xiàn)的效率不高和準確率明顯下降的問題進行了研究，并在此研究基礎(chǔ)上結(jié)合最優(yōu)投影理論和Nystrom抽樣提出了基于最優(yōu)投影的半監(jiān)督譜聚類算法
2018-01-14 11:54:580 針對傳統(tǒng)的模糊聚類算法大都針對單一目標函數(shù)的優(yōu)化，而無法獲得更全面、更準確的聚類結(jié)果的問題，提出一種基于改進多目標螢火蟲優(yōu)化算法的模糊聚類方法。首先在多目標螢火蟲算法中引入一種動態(tài)調(diào)整的變異機制以
2018-01-14 11:08:371 通過對基于K-means聚類的缺失值填充算法的改進，文中提出了基于距離最大化和缺失數(shù)據(jù)聚類的填充算法。首先，針對原填充算法需要提前輸入聚類個數(shù)這一缺點，設(shè)計了改進的K-means聚類算法：使用數(shù)據(jù)間
2018-01-09 10:56:560 在目標域可利用數(shù)據(jù)匱乏的場景下，傳統(tǒng)聚類算法的性能往往會下降，在該場景下，通過抽取源域中的有用知識用于指導目標域?qū)W習以得到更為合適的類別信息和聚類性能，是一種有效的學習策略．借此提出一種基于近鄰傳播
2018-01-07 09:34:440 基于相似度的聚類算法，該算法結(jié)合區(qū)間值模糊軟集的特性，著重對給出評價對象的具有相似知識水平的專家進行聚類，同時討論了算法的計算復雜度。最后通過實例說明該算法能有效地處理專家聚類問題。
2018-01-05 16:15:270 針對傳統(tǒng)模糊C一均值（ FCM）聚類算法初始聚類中心不確定，且需要人為預先設(shè)定聚類類別數(shù)，從而導致結(jié)果不準確的問題，提出了一種基于中點密度函數(shù)的模糊聚類算法。首先，結(jié)合逐步回歸思想作為初始聚類中心
2017-12-26 15:54:200 現(xiàn)有的軟子空間聚類算法在分割MR圖像時易受隨機噪聲的影響，而且算法因依賴于初始聚類中心的選擇而容易陷入局部最優(yōu)，導致分割效果不理想．針對這一問題，提出一種基于煙花算法的軟子空間MR圖像聚類算法．算法
2017-12-25 11:43:110 距離相似性原理，建模評估樣本聚類結(jié)果并去除抽樣聚類結(jié)果的次優(yōu)解；最后，加權(quán)整合評估得到的聚類結(jié)果得到最終五個聚類中心，并將這K個聚類中心作為大數(shù)據(jù)集聚類中心。理論分析和實驗結(jié)果表明，OSCK面向海量數(shù)據(jù)分析相對于對比算法具有更好的聚類
2017-12-22 15:47:180 針對傳統(tǒng)的二分類音頻隱寫分析方法對未知隱寫方法的適應性較差的問題，提出了一種基于模糊C均值（FCM）聚類與單類支持向量機（OC-SVM）的音頻隱寫分析方法。在訓練過程中，首先對訓練音頻進行特征提取
2017-12-21 13:30:510 針對采用傳遞閉包模糊聚類的多雷達航跡關(guān)聯(lián)算法運算量較大的問題，提出了分步的基于模糊聚類的多雷達航跡關(guān)聯(lián)算法。首先基于歐氏距離對航跡進行預關(guān)聯(lián)判斷，然后通過模糊相似計算，簡化了航跡相似矩陣，進而減少
2017-12-18 17:07:220 針對傳統(tǒng)的聚類算法對數(shù)據(jù)集反復聚類，且在大型數(shù)據(jù)集上計算效率欠佳的問題，提出一種基于層次劃分的最佳聚類數(shù)和初始聚類中心確定算法基于層次劃分密度的聚類優(yōu)化（ CODHD）。該算法基于層次劃分，對計算
2017-12-17 11:27:400 傳統(tǒng)的核聚類僅考慮了類內(nèi)元素的關(guān)系而忽略了類間的關(guān)系，對邊界模糊或邊界存在噪聲點的數(shù)據(jù)集進行聚類分析時，會造成邊界點的誤分問題。為解決上述問題，在核模糊C均值（ KFCM）聚類算法的基礎(chǔ)上提出了一種
2017-12-15 10:52:531 本文提出了一種新的基于流行距離的譜聚類算法，這是一種新型的聚類分析算法。不僅能夠?qū)θ我獾姆且?guī)則形狀的樣本空間進行聚類，而且能獲得全局最優(yōu)解。文章以聚類算法的相似性度量作為切入點，對傳統(tǒng)的相似性測度
2017-12-07 14:53:033 的算法。首先，通過各向異性擴散處理圖像；然后，使用一維K-均值對像素進行聚類；最后，根據(jù)聚類結(jié)果和先驗知識將像素值修改為最佳類中心像素值。理論分析表明該算法可以使圖像的峰值信噪比（ PSNR）達到最大值。實驗結(jié)果表明：所
2017-12-06 16:44:110 針對軌跡聚類算法在相似性度量中多以空間特征為度量標準，缺少對時間特征的度量，提出了一種基于時空模式的軌跡數(shù)據(jù)聚類算法。該算法以劃分再聚類框架為基礎(chǔ)，首先利用曲線邊緣檢測方法提取軌跡特征點；然后根據(jù)
2017-12-05 14:07:580 針對數(shù)據(jù)流的聚類算法，近年來取得了有效的進展，出現(xiàn)了許多卓有成效的算法。隨著信息采集技術(shù)的進步，需要處理的數(shù)據(jù)量越來越大，需要研究針對數(shù)據(jù)流的并行聚類算法。本文基于串行的數(shù)據(jù)流聚類算法
2017-12-04 09:22:510 盡可能歸于一類，而把不相似的樣本劃分到不同的類中。硬聚類把每個待識別的對象嚴格的劃分某類中，具有非此即彼的性質(zhì)，而模糊聚類建立了樣本對類別的不確定描述，更能客觀的反應客觀世界，從而成為聚類分析的主流。
2017-12-01 14:26:0248589 
K-means算法是最簡單的一種聚類算法。算法的目的是使各個樣本與所在類均值的誤差平方和達到最?。ㄟ@也是評價K-means算法最后聚類效果的評價標準）
2017-12-01 14:07:3319244 
模糊C均值聚類算法在數(shù)據(jù)挖掘領(lǐng)域有著廣泛的使用背景，而對初始點的敏感和較差的搜索能力，限制了算法的進一步推廣應用。人工蜂群算法具有對初始點不敏感、適應能力強和搜索能力強等優(yōu)點，并且針對人工蜂群算法
2017-11-29 17:22:210 針對核模糊C均值（ KFCM）算法對初始聚類中心敏感、易陷入局部最優(yōu)的問題，利用人工蜂群（ABC）算法的構(gòu)架簡單、全局收斂速度快的優(yōu)勢，提出了一種改進的人工蜂群算法（ IABC）與KFCM迭代相結(jié)合
2017-11-28 16:14:040 核模糊C均值聚類KFCM是利用核函數(shù)將數(shù)據(jù)映射到高維空間，通過計算數(shù)據(jù)點與聚類中心的隸屬度對數(shù)據(jù)進行聚類的算法，擁有高效、快捷的特點而被廣泛應用于各領(lǐng)域，然而KFCM算法存在對聚類中心的初始值敏感
2017-11-27 15:03:310 針對傳統(tǒng)的K-means算法無法預先明確聚類數(shù)目，對初始聚類中心選取敏感且易受離群孤點影響導致聚類結(jié)果穩(wěn)定性和準確性欠佳的問題，提出一種改進的基于密度的K-means算法。該算法首先基于軌跡數(shù)據(jù)分布
2017-11-25 11:35:380 預測子空間聚類PSC算法由于建立在PCA模型下，無法魯棒地進行主元分析，導致在面對帶有強噪聲的數(shù)據(jù)時，聚類性能受到嚴重影響。為了提高PSC算法對噪聲的魯棒性，利用近年來受到廣泛關(guān)注的RPCA分解技術(shù)
2017-11-22 16:53:370 針對套用傳統(tǒng)的聚類方法對數(shù)據(jù)流的聚類是行不通的這一問題，提出一種以遺傳模擬退火算法為基礎(chǔ)的模糊C均值聚類算法（SACA_FCM）對數(shù)據(jù)流進行聚類。SACAFCM算法有效地避免了傳統(tǒng)的模糊C均值聚類
2017-11-22 11:51:139 CFSFDP是基于密度的新型聚類算法，可聚類非球形數(shù)據(jù)集，具有聚類速度快、實現(xiàn)簡單等優(yōu)點。然而該算法在指定全局密度閾值d時未考慮數(shù)據(jù)空間分布特性，導致聚類質(zhì)量下降，且無法對多密度峰值的數(shù)據(jù)集準確聚類
2017-11-21 15:08:5715 為了提高WSN節(jié)點定位精度，針對測距誤差對定位結(jié)果的影響，提出基于模糊C均值聚類的定位算法。算法首先利用多邊定位算法得到若干個定位結(jié)果，利用模糊C均值聚類算法對定位結(jié)果進行聚類分析，然后，根據(jù)聚類
2017-11-09 17:47:1310 馬爾科夫聚類算法（ Markov Cluster Algorithm，MCL）是一種快速且可擴展的無監(jiān)督圖聚類算法，Chameleon是一種新的層次聚類算法。但MCL由于過擬合會產(chǎn)生很多小聚類
2017-10-31 18:58:212 。提出一種基于優(yōu)化粒子群算法的云存儲中大數(shù)據(jù)優(yōu)化聚類算法，進行了云存儲大數(shù)據(jù)聚類的原理分析，在傳統(tǒng)的模糊C均值聚類的基礎(chǔ)上，采用粒子群聚類算法進行大數(shù)據(jù)聚類算法改進設(shè)計，把數(shù)據(jù)的分割轉(zhuǎn)化為對空間的分割，得到
2017-10-28 12:46:531 聚類分析計算方法主要有如下幾種：劃分法、層次法、密度算法、圖論聚類法、網(wǎng)格算法和模型算法。劃分法（partitioning methods），給定一個有N個元組或者紀錄的數(shù)據(jù)集，分裂法將構(gòu)造K個分組，每一個分組就代表一個聚類，K《N。
2017-10-25 19:18:34165890 
鑒于主元分析法的降維特性和模糊C均值聚類算法良好的分類性能，本文在丙烯睛反應器操作參數(shù)的優(yōu)化中，結(jié)合這兩種方法，將主元分析處理后的數(shù)據(jù)作為新的樣本輸入，利用模糊C均值聚類算法進行優(yōu)化操作。
2017-09-08 15:48:039 模糊C均值（Fuzzy C-means）算法簡稱FCM算法，是一種基于目標函數(shù)的模糊聚類算法，主要用于數(shù)據(jù)的聚類分析。有了模糊集合的概念，一個元素隸屬于模糊集合就不是硬性的了，在聚類的問題中，可以把
2017-08-28 19:53:5114 特征加權(quán)和優(yōu)化劃分的模糊C均值聚類算法_肖林云
2017-01-07 21:39:440 一種擬人聚類算法在PHM聚類分析中的應用_賀呈磊
2017-01-07 21:39:440 新的模糊聚類有效性指標_趙娜娜
2017-01-07 20:32:200 基于AutoEncoder的增量式聚類算法_原旭
2017-01-03 17:41:320 模糊C-均值聚類算法是一種無監(jiān)督圖像分割技術(shù)，但存在著初始隸屬度矩陣隨機選取的影響，可能收斂到局部最優(yōu)解的缺點。提出了一種粒子群優(yōu)化與模糊C-均值聚類相結(jié)合的圖像分割算
2012-10-16 16:07:0621 介紹了K-means 聚類算法的目標函數(shù)、算法流程，并列舉了一個實例，指出了數(shù)據(jù)子集的數(shù)目K、初始聚類中心選取、相似性度量和距離矩陣為K-means聚類算法的3個基本參數(shù)。總結(jié)了K-means聚
2012-05-07 14:09:1427 針對數(shù)據(jù)在性態(tài)和類屬方面存在不確定性的特點，提出一種基于模糊C 均值聚類的數(shù)據(jù)流入侵檢測算法，該算法首先利用增量聚類得到網(wǎng)絡(luò)數(shù)據(jù)的概要信息和類數(shù)，然后利用模糊C均值聚
2012-03-20 10:29:2135 聚類算法及聚類融合算法研究首先對 聚類算法 的特點進行了分析，然后對聚類融合算法進行了挖掘。最后得出聚類融合算法比聚類算法更能得到很好的聚合效果。
2011-08-10 15:08:0233 該文指出曹蘇群等人提出的基于模糊Fisher 準則(FFC)的半模糊聚類算法(FFC-SFCA)中的一個推導錯誤，結(jié)合模糊緊性和分離性(FCS)聚類算法提出新的聚類算法：FFC-FCS。FFC-FCS 充分利用FFC 的
2010-02-10 14:34:1515 該文針對聚類問題上缺乏骨架研究成果的現(xiàn)狀，分析了聚類問題的近似骨架特征，設(shè)計并實現(xiàn)了近似骨架導向的歸約聚類算法。該算法的基本思想是：首先利用現(xiàn)有的啟發(fā)式聚類算
2010-02-10 11:48:095 對用戶訪問日志數(shù)據(jù)進行分析，構(gòu)造會話-類型矩陣，利用概率潛在語義分析模型建立合適的用戶興趣聚類分析算法，提高用戶興趣聚類精度。實驗結(jié)果驗證了該算法的有效性。
2010-01-27 15:39:3819 針對傳統(tǒng)模糊核聚類在紅外圖像分割方面存在的問題，提出了一種改進的模糊核聚類紅外圖像分割算法。在模糊核聚類的基礎(chǔ)上引入了紅外圖像像素點的空間約束關(guān)系和鄰域隸屬
2010-01-15 11:32:2715 本文通過對常用動態(tài)聚類方法的分析，提出了基于“約簡-優(yōu)化”原理的兩階段動態(tài)聚類算法的框架，此方法克服了動態(tài)聚類搜索空間過大的問題，提高了聚類的精度和效率。
2010-01-09 11:31:1412 針對模糊聚類特征壓縮的特征數(shù)目確定問題，提出了一種改進的模糊聚類特征壓縮算法。該算法通過引入聚類有效性函數(shù)，實現(xiàn)了最優(yōu)特征數(shù)目的自動確定。通過模擬電路故障診
2009-12-26 11:22:329 針對二叉樹支持向量機在多類分類問題上存在的不足，利用粒子群算法對模糊C 均值聚類算法進行了改進，在此基礎(chǔ)上，結(jié)合二叉樹支持向量機，構(gòu)建了偏二叉樹多類分類算法。
2009-12-18 16:36:1612 云檢測是遙感圖像處理的一大難點，同時也是圖像預處理的必要環(huán)節(jié)。本文使用基于模糊集合理論的模糊C 均值聚類法，對中分辨率成像光譜儀圖像的四個波段進行聚類，以檢測
2009-12-16 15:06:2315 為了提高RBF 回歸建模的精度，該文提出了一種基于模糊分組和監(jiān)督聚類的RBF 回歸建模的新方法。基本思想是：首先利用監(jiān)督聚類將訓練樣本模糊劃分為若干子集，然后分別針對各個
2009-11-18 14:13:535 聚類算法研究:對近年來聚類算法的研究現(xiàn)狀與新進展進行歸納總結(jié).一方面對近年來提出的較有代表性的聚類算法,從算法思想、關(guān)鍵技術(shù)和優(yōu)缺點等方面進行分析概括;另一方面選擇
2009-10-31 08:57:2414 基于小波包分析的滾動軸承模糊聚類方法:用小波包方法構(gòu)造滾動軸承狀態(tài)信號的能量特征向量，通過模糊聚類方法對滾動軸承狀態(tài)進行分類，只需少量的樣本數(shù)據(jù)就能獲得較好的分
2009-10-22 16:39:1513 一種多類原型模糊聚類的初始化方法
模糊聚類是非監(jiān)督模式分類的一個重要分支，在模式識別和圖像處理中已經(jīng)得到了廣泛的應用.但現(xiàn)有模糊聚類算法大都需要聚類數(shù)
2009-10-21 16:02:45849 基于關(guān)聯(lián)規(guī)則與聚類算法的查詢擴展算法:針對信息檢索中查詢關(guān)鍵詞與文檔用詞不匹配的問題，提出一種基于關(guān)聯(lián)規(guī)則與聚類算法的查詢擴展算法。該算法在第1 階段對初始查
2009-10-17 23:00:3312 針對模糊C-均值(FCM)算法不能很好地處理更新數(shù)據(jù)的缺點，提出基于FCM 的自適應增量式聚類算法AIFCM。該算法結(jié)合密度和集合的思想，給出一種自動確定聚類初始中心的方法，能在
2009-10-04 14:09:0911 Web文檔聚類中k-means算法的改進
介紹了Web文檔聚類中普遍使用的、基于分割的k-means算法,分析了k-means算法所使用的向量空間模型和基于距離的相似性度量的局限性,從而
2009-09-19 09:17:03913 
云檢測是遙感圖像處理的一大難點，同時也是圖像預處理的必要環(huán)節(jié)。本文使用基于模糊集合理論的模糊C 均值聚類法，對中分辨率成像光譜儀
2009-09-14 10:35:158 目前應用最廣泛的模糊聚類算法是基于目標函數(shù)的模糊k-均值算法，針對該算法存在的缺點，本文提出一種改進的聚類算法，利用遺傳算法的全局優(yōu)化的特點，在能夠在正確獲得
2009-09-07 15:35:428 提出了一種多密度網(wǎng)格聚類算法GDD。該算法主要采用密度閾值遞減的多階段聚類技術(shù)提取不同密度的聚類，使用邊界點處理技術(shù)提高聚類精度，同時對聚類結(jié)果進行了人工干預。G
2009-08-27 14:35:5811 提出一種基于網(wǎng)格的帶有參考參數(shù)的聚類算法，通過密度閾值數(shù)組的計算，為用戶提供有效的參考參數(shù)，不但能滿足一般的聚類要求，而且還能將高密度的聚類從低密度的聚類中分
2009-04-23 10:24:359 層次聚類方法是聚類分析的一個重要方法。該文利用通用搜索樹實現(xiàn)了一種新的層次聚類算法，可以把整個聚類過程中形成的樹型結(jié)構(gòu)都保存在硬盤上，支持從宏觀到細微的分析過
2009-04-23 10:10:5724 任務(wù)調(diào)度是網(wǎng)格研究的核心問題之一，在研究網(wǎng)格任務(wù)調(diào)度問題的基礎(chǔ)上，利用模糊聚類思想提出將網(wǎng)格任務(wù)與資源進行混合模糊聚類的網(wǎng)格獨立任務(wù)調(diào)度算法，該算法將最適合的
2009-04-10 09:27:0714 為了提高模糊支持向量機在數(shù)據(jù)集上的訓練效率，提出一種改進的基于密度聚類(DBSCAN)的模糊支持向量機算法。運用DBSCAN算法對原始數(shù)據(jù)進行預處理，去除對分類貢獻小的中心樣本，
2009-03-20 16:21:5612
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論