包含分布式電源的配電網(wǎng)無功優(yōu)化matlab源代碼,代碼按照高水平文章復現(xiàn),保證正確,可先發(fā)您文章看是否滿足您的要求利用分布式電源的無功補償能力,提出了一種基于聚類和競爭克隆機制的多智能體免疫算法來
2021-12-29 06:50:23
FCM聚類算法以及改進模糊聚類算法用于醫(yī)學圖像分割的matlab源程序
2018-05-11 23:54:19
什么是K-均值聚類法?K均值聚類算法的MATLAB怎么實現(xiàn)?
2021-06-10 10:01:25
利用Python實現(xiàn)模糊動態(tài)聚類
2020-06-02 17:38:14
大神們,我現(xiàn)在有一個基類(GUI_information.lvclass),在運行過程中需要將基類轉(zhuǎn)成(或初始化)一個子類(GUI_Design.lvclass),然后調(diào)用子類的方法。不知道應(yīng)該怎么做,請大神解答
2022-02-16 19:11:25
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
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(yù)處理,去除對分類貢獻小的中心樣本,
2009-03-20 16:21:56
12 分析并比較現(xiàn)有網(wǎng)絡(luò)安全態(tài)勢評估方法,從網(wǎng)絡(luò)拓撲結(jié)構(gòu)出發(fā),引入圖論算法和數(shù)據(jù)挖掘的聚類方法,提出一種針對分布式系統(tǒng)的安全態(tài)勢評估方法。利用圖聚類算法生成分布式
2009-04-02 09:30:18
24 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 09:27:07
14 現(xiàn)有的半監(jiān)督聚類方法較少利用數(shù)據(jù)集空間結(jié)構(gòu)信息,限制了聚類算法的性能。該文提出一種基于密度的約束擴展方法(DCE),將數(shù)據(jù)集以圖的形式表達,定義一種基于密度的圖形相似
2009-04-22 09:32:45
25 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 10:10:57
24 密度聚類算法DBSCAN是一種有效的聚類分析方法。本文構(gòu)建了網(wǎng)絡(luò)入侵檢測系統(tǒng)模型,并將一種改進的基于密度聚類的入侵檢測算法IDBC應(yīng)用于檢測引擎設(shè)計。IDBC算法改進了網(wǎng)絡(luò)連接記
2009-08-24 08:41:56
4 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(yù)。G
2009-08-27 14:35:58
11 目前應(yīng)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 15:35:42
8 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(yīng)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 14:09:09
11 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 16:39:15
13 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 14:13:53
5 云檢測是遙感圖像處理的一大難點,同時也是圖像預(yù)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 15:06:23
15 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 11:22:32
9 本文摒棄了以往利用斷點集來進行離散化的算法思想,提出了一種新的基于粗糙集和分裂的層次聚類的全局離散化算法。本算法在層次聚類的基礎(chǔ)上考慮不同連續(xù)屬性離散化結(jié)果
2009-12-29 17:15:00
3 為提高銀行存貸款數(shù)據(jù)集上的聚類質(zhì)量和聚類效率,本文做了下列工作:(1)定義了簇的直徑。(2)提出了利用距離尺度降維的中心距序降維法,證明了新方法在降維時能保持聚類質(zhì)量
2010-01-07 16:23:57
12 基于聚類技術(shù)和一類模糊神經(jīng)網(wǎng)絡(luò),提出一種新的自動生成模糊系統(tǒng)規(guī)則庫的設(shè)計方法。通過結(jié)構(gòu)辨識(原始數(shù)據(jù)聚類得到模糊規(guī)則數(shù))和參數(shù)辨識(RBF網(wǎng)絡(luò)優(yōu)化參數(shù))方法,構(gòu)造模糊系
2010-01-12 16:54:54
11 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 11:32:27
15 文本聚類是中文文本挖掘中的一種重要分析方法。K 均值聚類算法是目前最為常用的文本聚類算法之一。但此算法在處理高維、稀疏數(shù)據(jù)集等問題時存在一些不足,且對初始聚類
2010-01-15 14:24:46
10 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 14:34:15
15 模糊C-均值(FCM)聚類是一種無監(jiān)督聚類技術(shù),廣泛應(yīng)用于圖像分割。但它計算量偏大,且僅利用像素信息對像素進行聚類,而未使用空間分布信息。本文提出基于鄰域信息的多
2010-02-24 15:54:25
19 一種改進的FCM聚類算法及其在赤潮預(yù)測中的應(yīng)用:針對傳統(tǒng)FCM算法的不足,文中提出了一種改進的FCM算法,利用樣本與聚類中心相似關(guān)系確定各樣本對聚類中心的影響系
2010-03-15 15:38:34
26 為了解決數(shù)據(jù)遺漏問題,根據(jù)類內(nèi)樣品均勻分布的性質(zhì)提出了一種新的聚類方法,該方法僅對類內(nèi)樣品均勻分布性敏感,不需要預(yù)先設(shè)置包括類核坐標,對非凸性類也能有效分類
2011-05-25 17:17:26
0 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 16:07:06
21 一種有效的多關(guān)系聚類算法_鄧左祥
2017-01-03 15:24:45
0 基于滿意模糊聚類的熱工過程多模型建模方法_朱紅霞
2017-01-07 18:21:31
0 基于聚類中心優(yōu)化的k_means最佳聚類數(shù)確定方法_賈瑞玉
2017-01-07 18:56:13
0 新的模糊聚類有效性指標_趙娜娜
2017-01-07 20:32:20
0 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 21:39:44
0 一種擬人聚類算法在PHM聚類分析中的應(yīng)用_賀呈磊
2017-01-07 21:39:44
0 基于模糊聚類的神經(jīng)元識別方法_張晶
2017-01-08 11:13:29
0 一類基于PID控制的新型模糊控制方法_張恩勤
2017-02-07 18:37:16
0 基于模糊聚類方法的神經(jīng)元形態(tài)分類識別_劉輝舟
2017-03-16 10:31:52
0 。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 12:46:53
1 在數(shù)據(jù)挖掘算法中,K均值聚類算法是一種比較常見的無監(jiān)督學習方法,簇間數(shù)據(jù)對象越相異,簇內(nèi)數(shù)據(jù)對象越相似,說明該聚類效果越好。然而,簇個數(shù)的選取通常是由有經(jīng)驗的用戶預(yù)先進行設(shè)定的參數(shù)。本文提出了一種
2017-11-03 16:13:05
12 為解決傳統(tǒng)BIRCH算法對數(shù)據(jù)對象輸入順序敏感、聚類結(jié)果不穩(wěn)定的問題,提出了一種改進的BIRCH算法。該算法將雷達信號偵察數(shù)據(jù)的脈沖載頻、脈沖重復間隔和脈沖寬度分別進行聚類,根據(jù)工程應(yīng)用中各參數(shù)
2017-11-10 15:52:18
1 傳統(tǒng)kmeans算法由于初始聚類中心的選擇是隨機的,因此會使聚類結(jié)果不穩(wěn)定。針對這個問題,提出一種基于離散量改進k-means初始聚類中心選擇的算法。算法首先將所有對象作為一個大類,然后不斷從對象
2017-11-20 10:03:23
2 在比特流未知協(xié)議識別過程中,針對如何將得到的多協(xié)議數(shù)據(jù)幀分為單協(xié)議數(shù)據(jù)幀這一問題,提出了一種改進的凝聚型層次聚類算法。該算法以傳統(tǒng)的凝聚型層次聚類算法思想為基礎(chǔ),結(jié)合比特流數(shù)據(jù)幀的特征,定義了數(shù)據(jù)幀
2017-11-21 08:58:25
0 模糊C均值算法因其簡單、快速得到了廣泛應(yīng)用,但仍存在對初始值敏感和容易陷入局部最優(yōu)的不足。提出了一種新的小生境螢火蟲模糊聚類算法。該算法使用遍歷性較好的立方混沌映射序列初始化螢火蟲種群,并將隨機慣性
2017-11-21 16:50:04
1 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 11:51:13
9 和不能自適應(yīng)確定聚類數(shù)兩個局限性。針對這兩個問題,提出一種局部搜索自適應(yīng)核模糊聚類方法,該方法引入核方法提高數(shù)據(jù)的可分性,并構(gòu)造基于核函數(shù)的評價函數(shù)來確定最優(yōu)的聚類數(shù)目和利用部分樣本數(shù)據(jù)進行局部搜索以尋找初始聚類中心。
2017-11-27 15:03:31
0 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 16:14:04
0 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(yīng)用。人工蜂群算法具有對初始點不敏感、適應(yīng)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 17:22:21
0 聚類分析是多元統(tǒng)計分析的一種,也是無監(jiān)督模式識別的一個重要分支,在模式分類 圖像處理和模糊規(guī)則處理等眾多領(lǐng)域中獲得最廣泛的應(yīng)用。它把一個沒有類別標記的樣本按照某種準則劃分為若干子集,使相似的樣本
2017-12-01 14:26:02
51640 
人工魚群是一種隨機搜索優(yōu)化算法,具有較快的收斂速度,對問題的機理模型與描述無嚴格要求,具有廣泛的應(yīng)用范圍。本文在該算法的基礎(chǔ)上,結(jié)合傳統(tǒng)的K-means聚類方法,提出了一種新的人工魚群混合聚類算法
2017-12-04 16:18:15
0 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 14:53:03
3 為解決冪迭代聚類算法并行實現(xiàn)中存在的編程繁瑣、效率低下等問題,基于Spark大規(guī)模數(shù)據(jù)通用計算引擎及其GraphX組件,提出了一種在分布式環(huán)境下實現(xiàn)冪迭代聚類的方法。首先,利用某種相似性度量方法,將
2017-12-11 15:29:55
0 針對交通監(jiān)控中突發(fā)數(shù)據(jù)實時性問題,提出一種基于模糊聚類的媒體訪問控制( FC-MAC)協(xié)議。該協(xié)議采用時分多址( TDMA)和改進的載波監(jiān)聽多路訪問沖突避免(CSMA/CA)交替工作的方式,既保證了
2017-12-11 16:14:32
0 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 10:52:53
1 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(yù)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 17:07:22
0 圖結(jié)構(gòu)聚類(SCAN)是一種著名的基于密度的圖聚類算法。該算法不僅能夠找到圖中的聚類結(jié)構(gòu),而且還能發(fā)現(xiàn)圖中的Hub節(jié)點和離群節(jié)點。然而,隨著圖數(shù)據(jù)規(guī)模越來越大,傳統(tǒng)的SCAN算法的復雜度為O
2017-12-19 11:05:34
0 針對簡單套用交接網(wǎng)絡(luò)等社會網(wǎng)絡(luò)分析方式不能很好地反映蹤跡聚類生成的一系列流程的組織實體的重要度的問題,提出了一種蹤跡聚類下組織實體的重要度排序方法。首先,對于參與蹤跡聚類生成的一系列流程的組織實體
2017-12-19 11:20:13
0 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(yīng)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 13:30:51
0 問題,提出一種基于坐標下降的并行稀疏子空間聚類方法。該方法利用稀疏子空間聚類可以建模為求解一系列的樣本自稀疏表達子問題的特點,使用坐標下降方法來求解每個子問題,具有參數(shù)少、收斂快的優(yōu)點;同時結(jié)合自稀疏表達子問題獨立的特
2017-12-23 11:48:44
0 聚類是數(shù)據(jù)挖掘領(lǐng)域中的一種重要的數(shù)據(jù)分析方法.它根據(jù)數(shù)據(jù)間的相似度,將無標注數(shù)據(jù)劃分為若干聚簇.CSDP是一種基于密度的聚類算法,當數(shù)據(jù)量較大或數(shù)據(jù)維數(shù)較高時,聚類的效率相對較低.為了提高聚類算法
2017-12-25 16:39:05
0 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(yù)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 15:54:20
0 針對傳統(tǒng)文本聚類中存在著聚類準確率和召回率難以平衡等問題,提出了一種基于R-Grams文本相似度計算方法的文本聚類方法。該方法首先通過將待聚類文檔降序排列,其次采用R-C rams文本相似度算法計算
2017-12-29 17:09:33
0 作為數(shù)據(jù)挖掘的基礎(chǔ)方法之一,數(shù)據(jù)聚類被廣泛應(yīng)用各個不同領(lǐng)域,例如計算機科學、醫(yī)學、社會科學和經(jīng)濟學等。根據(jù)類的樣本點的分布,數(shù)據(jù)聚類問題通常可以劃分成線性可分聚類和非線性可分聚類。由于現(xiàn)實世界的數(shù)據(jù)
2018-01-03 14:31:46
0 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 11:08:37
1 針對使用網(wǎng)絡(luò)購物搜索量數(shù)據(jù)建立預(yù)測模型時的變量選擇問題,提出一種基于連續(xù)小波變換( CWT)及其逆變換的聚類方法。算法充分考慮了搜索量的數(shù)據(jù)特征,將原始序列分解成為不同時間尺度下的周期成分,并重構(gòu)為
2018-01-15 16:31:40
0 針對數(shù)據(jù)競爭聚類算法在處理復雜結(jié)構(gòu)數(shù)據(jù)集時聚類性能不佳的問題,提出了一種密度敏感的數(shù)據(jù)競爭聚類算法。首先,在密度敏感距離測度的基礎(chǔ)上定義了局部距離,以描述數(shù)據(jù)分布的局部一致性;其次,在局部距離
2018-01-17 09:20:37
0 針對互聯(lián)網(wǎng)流量標注困難以及單個聚類器的泛化能力較弱,提出一種基于互信息( MI)理論的選擇聚類集成方法,以提高流量分類的精度。首先計算不同初始簇個數(shù)K的K均值聚類結(jié)果與訓練集中流量協(xié)議的真實分布之間
2018-02-09 10:35:56
0 網(wǎng)絡(luò)數(shù)據(jù)流量的增大對入侵檢測系統(tǒng)的實時性提出了更高的要求,壓縮訓練數(shù)據(jù)可加快未知樣本的分類處理速度。針對數(shù)據(jù)量過大造成壓縮處理和聚類效率低下的難題,提出了一種改進的自適應(yīng)AP (affinity
2018-03-06 15:15:55
0 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 10:08:43
1 本文針對k-medoids算法具有初始點選取復雜、聚類迭代時間久、中心點選取消耗資源過多等缺點,使用Hadoop平臺下的MapReduce編程框架對算法進行初始點的點密度計算選取并行化、非中心點分配并行化和中心點更新并行化等方面的改進。
2018-05-18 09:06:39
5962 
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 15:03:34
3 類中可以使用初始化列表對成員進行初始化。
2020-12-24 17:39:54
1445 協(xié)同過濾算法由于推薦效果良好,而被廣泛應(yīng)用于推薦領(lǐng)域,但其在數(shù)據(jù)稀疏及冷啟動的情況下會導致推薦效果明顯下降。在數(shù)據(jù)稀疏情況下,為充分利用用戶的歷史信息以提髙算法的推薦精度,提出一種改進的聚類聯(lián)合相似
2021-03-18 11:17:11
10 時間序列事件聚類是研究事件分類及挖掘分析的基礎(chǔ)。現(xiàn)有聚類方法多直接針對具有時間屬性且結(jié)構(gòu)復雜的持續(xù)事件聚類,未考慮聚類對象的轉(zhuǎn)化,聚類準確性低且效率差。針對這些問題,提出一種面向時序列事件的動態(tài)矩陣
2021-03-25 15:51:13
8 比特幣是一種基于區(qū)塊鏈的加密貨幣,其因具備偽匿名性而常被用于異常交易活動中。目前比特幣實體識別多通過啟發(fā)式聚類方法實現(xiàn),但此類方法未考慮新數(shù)據(jù)出現(xiàn)后的結(jié)果融合問題,導致算法效率較低。針對該問題,提出
2021-03-25 15:57:47
14 為在領(lǐng)域本體學習過程中實現(xiàn)最優(yōu)同領(lǐng)域概念聚類并解決概念重疊問題,通過引入圖熵極值理論,提出種新的領(lǐng)域概念聚類方法。依據(jù)最大信息熵原理,將圖中各概念節(jié)點視為一個整體以取代原選取質(zhì)心的方法同時利用圖熵
2021-04-01 15:39:44
10 為解決傳統(tǒng)聚類算法多數(shù)需要預(yù)先設(shè)定聚類參數(shù)且無法有效識別異常點和噪聲點的問題,提出一種自適應(yīng)的關(guān)聯(lián)融合聚類算法。采用自然近鄰搜索算法計算數(shù)據(jù)集的密度分布,篩選出具有數(shù)據(jù)結(jié)構(gòu)信息的代表核點,并排
2021-04-01 16:16:49
13 針對密度峰值聚類算法( Density Peaks( Clustering,DPC)需要人為指定截斷距離d,以及局部密度定義簡單和一步分配策略導致算法在復雜數(shù)據(jù)集上表現(xiàn)不佳的問題,提出了一種基于自然
2021-04-08 11:18:41
12 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 11:22:06
7 報文聚類是協(xié)議逆向工程的主要步驟之一。針對私有二進制協(xié)議報文,目前的報文聚類方法存在報文向量化特征冗余的問題,而且傳統(tǒng)聚類方法存在聚類中心和聚類簇數(shù)難以確定的問題。根據(jù)n-gram序列化的思想,構(gòu)造
2021-04-12 11:04:33
9 數(shù)據(jù)聚類在數(shù)據(jù)挖掘、數(shù)據(jù)分析中廣泛應(yīng)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 11:09:46
4 為構(gòu)建行駛工況,消除K-均值算法對初始聚類中心的敏感性及噪聲點的干擾,提岀一種改進主成分分析和基于密度的改進K-均值聚類組合方法。結(jié)合距離優(yōu)化法和密度法,構(gòu)建一種數(shù)據(jù)集密度度量方法。選取距離較大
2021-04-16 15:36:00
16 ,時空數(shù)據(jù)是最為常見的一種數(shù)據(jù)。本文基于城市中的時空數(shù)據(jù),首先提出一種建模方法,將不冋種類的時空數(shù)據(jù)表示為人流模型;然后基于聚類的思想,通過改進傳統(tǒng)的基于密度的聚類算法來對人流的移動模弌進行挖掘,提岀一種人流
2021-05-08 15:43:27
4 聚類作為一種有效的圖像分割方法,被廣泛地應(yīng)用于計算機視覺領(lǐng)域。相較于其他聚類方法,密度峰值聚類(DPC)具有參數(shù)少且能有效識別非球形聚類的特點。基于此,引入信息論中的不確定性度量熵,提出一種改進
2021-05-11 14:18:04
6 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 15:20:51
1 的過程和模型設(shè)計,發(fā)現(xiàn)基于子空間的聚類方法存在難以保持數(shù)據(jù)非線性和局部幾何結(jié)構(gòu)的問題。為此,文中提出了一種可以提取非線性結(jié)構(gòu)的子空間聚類方法。首先,使用非線性映射函數(shù)將原始數(shù)據(jù)空間映射到高維的線性空間,利用塊
2021-05-18 14:01:18
2 的圖像聚類算法( Block integration Based Image Clustering,BI-CⅠ。首先,將圖像數(shù)據(jù)分為若干矩陣塊;然后,利用核范數(shù)矩陣回歸構(gòu)造基于某矩陣塊的系數(shù)矩陣,同時提岀了一種依據(jù)矩陣塊秩信息設(shè)定各饣矩陣玦的權(quán)重方法;最后,通過毎一系數(shù)
2021-05-29 14:20:06
3 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(yīng)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 15:23:36
3 為構(gòu)建行駛工況,消除K均值算法對初始聚類中心的敏感性及噪聲點的干擾,提岀一種改進主成分分析和基于密度的改進k-均值聚類組合方法。結(jié)合距離優(yōu)化法和密度法,構(gòu)建一種數(shù)據(jù)集密度度量方法。選取距離較大、密度
2021-05-31 11:16:08
3 基于模糊C均值聚類的軟件多缺陷定位方法
2021-06-02 14:38:41
6 面向SNP的模糊聚類算法及研究綜述
2021-06-08 15:46:45
6 在大數(shù)據(jù)應(yīng)用中,多數(shù)建模方法是在完備數(shù)據(jù)集基礎(chǔ)上進行的,但在數(shù)據(jù)采集過程或存儲過程中容易出現(xiàn)數(shù)據(jù)缺失的現(xiàn)象,導致無法建模。為此,提岀一種基于聚類的遞歸充填方法。使用冋類簇的均值對不完備數(shù)據(jù)進行預(yù)填充
2021-06-11 10:44:21
6 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 15:02:35
11 在線迭代聚類的多傳感器一致性數(shù)據(jù)融合方法
2021-06-23 11:11:46
9 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 分享一篇關(guān)于聚類的文章,10種聚類介紹和Python代碼。
2022-07-30 10:25:31
7117 原型模式是指將類設(shè)計成可復制(克隆)類型,繼承Cloneable類,在調(diào)用時就可以直接通過clone()方法克隆已有對象生成新的對象。
2023-06-01 14:18:49
1123 
一種基于分層聚類方法的木馬通信行為檢測模型
2023-07-30 11:51:35
1593 
評論