聚类个数相关论文
基于划分的方法是经典聚类方法之一,如何选择恰当的聚类个数和初始类中心是所有划分聚类方法初始化过程中必须面对的问题。尽管针......
聚类是机器学习中最重要的研究问题之一,关于聚类的工作一直层出不穷。大部分传统聚类算法都是直接作用于原始输入空间,而当原始输......
提出了一种GML文档结构聚类新算法MFPBCLU,以GML文档中的路径表示GML文档结构,挖掘所有GML文档路径中的最大频繁路径,以GML文档包......
针对模糊聚类算法不适应复杂环境的问题,提出了一种新的动态进化聚类算法,克服了传统模糊聚类建模算法须事先确定规则数的缺陷。通......
针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一......
聚类分析是研究在没有训练样本集的情况下对样品进行分类的多元统计和数据分析方法。利用聚类分析方法对给定数据进行分类时，所采用......
聚类理论是进行图像分割时的一种常用工具,然而多数聚类算法不能自动确定合适的聚类个数.提出一种基于高斯核密度函数的图像分割聚......
针对现有谱聚类算法不稳定,处理复杂分布数据较困难,需要手动输入聚类个数的问题,利用基于快速搜索和密度峰的聚类算法CFSFDP(Clus......
在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。......
聚类个数的确定是聚类分析中一个富有挑战性的难题。现有的聚类个数确定方法主要采用随机选取初始聚类中心的策略,导致聚类过程中......
提出了一种基于量子谐振子模型的聚类中心选取算法.该算法以量子谐振子波函数从高能态到基态过程中的概率变化过程为理论模型来描......
随着人工智能和数据挖掘技术的兴起,聚类分析已被广泛应用于通信、文本数据统计、生物信息学和图像处理中。对于非监督聚类分析,聚......
对谱聚类的奇异解进行了研究。在谱聚类中,由对象相似度的定义,两种属性完全不同或截然相反的对象的类,其类内对象的相似度、类间......
为了解决遥感影像聚类个数及中心点选取的问题,提出了一种并行的中心矢量优化选取的遥感影像聚类算法(PCVOS:Parallelized Center ......
为了简单有效地对数据集进行结构分析，提出了一种基于最小树进行聚类的算法（MSTCA）．其基本思想是在最小树中切割所有大于一定阈值的边......
在传统的K-means算法中，聚类数K是随机给定的，K值选取不合理会造成K—meall$算法陷入局部最优。针对这个缺点，提出一种新的K—means聚......
为了提高传统K-均值聚类的稳定性和可靠性,提出了一种自适应的K-均值聚类算法,其基本思想是通过分析样本集的最小树并切割其中所有......
XML文档由于其自身的可扩展性、半结构化和自描述性等特点，已成为数据表示和交换的数据格式标准。一个高效、快速的XML文档聚类机制......
概率聚类的算法已经广泛地应用于聚类分析领域,但是这些算法都没有回答如何选择一个最佳的聚类个数的问题。该文首先分析了通用的......
随着信息技术的飞速发展,Twitter、Facebook、新浪微博、微信等各类在线社交平台逐渐改变人们的生活和工作方式。在这些平台上,每......
BNAK-Divide—and—Merge聚类算法是基于David等人提出的Divide—and-Merge算法的一种改进算法。Divide-and-Merge算法是一种将自......
聚类分析作为一种无监督学习方法,是数据粒化以及信息压缩的一个基本工具,同时也是机器学习研究和数据挖掘应用中的一个重要内容。......
在多视频监控网络中实现行人重识别是一个相当具有挑战性的任务,当前的研究成果实现了特定行人目标的检索,返回的是按相似度排序的......
混合数据的聚类过程中通常面临一个不可回避的问题:聚类个数的确定。基于Liang k-prototype算法引入属性权重,重新定义混合数据缺......
随着网络技术飞速发展,信息交换日益频繁带来了信息选取的困难,推荐系统应运而生。推荐系统依据用户的需求和兴趣等,将用户感兴趣......
聚类分析是一种无监督的学习方式,是数据挖掘的重要途径之一,也是统计机器学习、模式识别的重要研究方向之一.目前,针对数值型数据......
在聚类分析中，如何选择恰当的聚类个数是一个非常复杂而又必须面对的问题。尽管针对数值型数据聚类个数的选择算法已经进行了广......
期刊
针对传统K均值聚类方法采用聚类前随机选择聚类个数K而导致的聚类结果不理想的问题,结合空间中的层次结构,提出一种改进的层次K均......
为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊......
两阶聚类法（TwoStcp Cluster，TSC）是SPSS11．5及之后版本中新增的一种聚类分析方法。与SPSS中提供的K—means法和层次聚类分析法不同，该......
k均值聚类算法在对数据进行聚类时需要以确定的聚类个数和初始聚类中心为前提，但聚类个数是难以准确给定的，通常随机选取k个样本作为......
在传统的K-均值聚类算法中,聚类数K必须事先给定,然而,实际中K值很难被精确的确定,K值是否合理直接影响着K-均值算法的好坏。针对......
聚类内部有效性指标是在未知样本真实分类情况下用于评价聚类结果优劣、寻找最佳聚类个数的指标,是聚类分析研究中的重要内容。虽......
