K—Means相关论文
目前通行的社区划分方法大多基于结构，但单纯基于结构的划分不能挖掘出社区对象的潜在关系，因而不能发现社区的变化趋势。为此，提出了......
在K-Means聚类、PSO聚类、K-Means和PSO混合聚类(KPSO)的基础上,研究了基于量子行为的微粒群优化算法(QPSO)的数据聚类方法,并提出......
统计数据轨迹一般具有重视变化趋势、数据噪声较大、模式分布不同等特点,直接使用传统的聚类分析方法难有很好的效果。对此在K-mea......
为了提高图像检索的速度和准确性,提出了一种基于SVM和主动学习的图像检索方法。该方法分为两个阶段:第一阶段用K-means聚类算法在......
为了解决短文本因特征关键词稀疏而导致文本向量概念表达不够准确的问题，本文提出概念属性扩展特征关键词短文本聚类算法——锄BcFE......
简述了数据挖掘技术和常见的k-means（均值）聚类方法，分析了图书馆管理系统中各表的关系；对流通系统图书流通次数的数据，运用k-means算法......
在税务行业如何能够对纳税人进行细分是有效进行纳税评估、重点税源监控、税收预测管理的重要前提，文章主要探索通过K—Means方法如......
有监督的分类方法是文本分类中常用的方法，它需要采用人工标识的样本进行训练，对样本的人工标识是一个比较繁锁的过程。无监督的分类......
针对k均值算法需要用户事先确定聚簇数k、阈值t和聚簇中心Q，提出了一种基于层次的k均值聚类算法（HKMA）。该算法首先采用层次方法对文......
保险行业通过数据挖掘技术的应用，从大量繁复的保险数据资料中提取对未来有用的知识。文章以某保险公司历史数据为基础，应用Apriori......
针对传统RBF神经网络存在的高维数据学习训练问题,采用K-means聚类算法设计RBF神经网络数据中心,建立基于聚类RBF神经网络的机载传......
基于划分的聚类算法是一种局部最优算法。聚类初始中心的选择对该聚类算法的收敛速度和聚类的性能都有很大的影响。初始中心点应该......
本文根据矢量地图的数据结构,将标记水印策略和聚类方法结合起来,研究并设计了一种基于K-Means的矢量数据的水印算法。理论分析和......
聚类算法是研究分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。分析k-means、birch聚类算法，最后用k-means方法的优......
摘 要： 针对传统K-means算法容易陷入局部最优的缺点，提出了基于粒子群优化的K-means算法。以肝脏疾病为例对新方法在医学中的应用进......
为了解决K-means算法中对于初值的敏感，提出了一种基于粒子群的改进的K—means聚类算法（IPSOFCM）．在K—means算法中引入粒子群算法，可有......
由于K-means算法对初始中心的依赖性而导致聚类结果可能陷入局部极小,而采用密度函数法的多中心聚类并结合小类合并运算的聚类结果......
针对云计算虚拟机调度中存在的资源分配不均衡问题，提出了一种基于K-means和蝙蝠算法的云计算虚拟机智能调度方法。该方法充分考虑......
本文叙述了K—Means算法和EM算法的基本原理及性质，通过聚类实验对二者稳定性和时间复杂度进行了比较分析。......
采用了非下采样Contourlet变换(NSCT)与动态阈值二值化相结合的方法对图像内的文字信息进行提取。首先对图像进行空间多分辨率变换......
文档的高维性导致朴素贝叶斯文本分类器的复杂度较高，进而影响到文本分类的效率和精度．针对这一问题，首先采用k—means算法对单词进行......
提出一种基于粒子群优化（PSO）的K—means模糊聚类方法（FKM），并将该方法应用于攀钢高炉炉温分类判定。与神经网络方法和遗传算法等模型相......
数据预处理技术在数据挖掘中起到了关键性的作用，根据IEEE16机系统进行暂态稳定仿真，针对其初始样本集数据及其数据的特点，并结合关联......
采用K—meam算法和FCM算法实现对47个城市竞争力的聚类分析，选择较为简便的聚类有效性函数用于聚类结果的检验．得到了两种有效的聚类......
为克服mean shift算法计算复杂度高、运行速度慢的缺点,提出一种基于GPU的快速mean shift算法.首先使用k-means算法对图像像素进行......
针对传统K—Means聚类算法需要用户输入聚类数目的缺点，对K—Means聚类算法进行了改进，提出使用一个有效指数来克服这个问题，该算法不......
选取初始聚类中心是多数聚类算法的首要步骤，往往影响着聚类的效果。为了避免算法迭代过程中易陷入局部最优的问题，本文提出了一种基......
随着以太网的快速发展，基于网络的攻击方式越来越多，传统的入侵检测系统越来越难以应付。本文将数据挖掘技术引入到入侵检测系统中来......
介绍了K—means和GAAC聚类算法思想和两种特征提取方法对维吾尔文文本表示及聚类效率的影响。在较大规模文本语料库基础上，分别用K......
数据聚类是数据挖掘、模式识别、图像处理和数据压缩等领域的一个重要方法。针对不同的数据对象类型,不同的聚类目的和应用,有多种......
针对积分不变量不依赖网格拓扑结构的特性及体积积分不变量与平均曲率的内在联系,提出了一种基于平均曲率及体积积分不变量的散乱......
K—means算法是最常用的一种基于划分的聚类算法，但该算法需要事先指定K值、随机选择初始聚类中心等的缺陷，从而影响了K—means聚类......
针对学校录取的学生数据，通过聚类分析技术对录取学生所在学校的特征进行分析和研究，并利用K—means算法对录取学生所在学校进行细分......
为了减少计算量，提高故障检测准确性，提出一种基于改进K—means聚类的kNN故障检测方法．首先通过改进K—means聚类将原始建模数据分成C......
结合感性工学的研究理论与方法，分析了K—means算法在感性工学系统中的可行性及实现方式。通过计算产品之间的距离作为产品相似度的......
为了实现准确无损的小麦品种检测，提出了将生物超微弱发光信息与模式识别技术相结合的小麦品种聚类分析方法。通过测量不同品种小麦......
封闭环境中远距离语音识别会受到混响效果的影响,从而降低语音识别率。混响建模(reverberation modeling for speech recognition,......
MapReduce是一种编程模型，这种编程模型编程简单，不必关心底层实现细节，可用于大规模数据集的并行计算。K—Means是一种简单、基本的......
对K-means聚类算法，本文从数据预处理，区域划分法估计初始聚类中心等方面进行改进。本文算法改进了K-means算法对样本输入顺序及初始......
提出一种基于KQPSO聚类算法的网络异常检测模型．该模型利用K—Means聚类算法的结果重新初始化粒子群，聚类过程都是根据数据间的Eucli......
聚类分析是一种重要的数据挖掘方法。K—means聚类算法在数据挖掘领域具有非常重要的应用价值。针对K—means需要人工设定聚类个数......
将影响煤矿瓦斯涌出量因素作为数据对象属性，运用聚类分析对瓦斯涌出量进行聚类，得到各个样本的类别特征及各簇的平均值和标准偏差。......
时态数据是一类重要的数据信息。利用数据中包含的时间属性可以形象描述数据中潜在的变化规律。从现有的时序关联规则的局限性出发......
针对K-均值聚类算法随机生成初始聚类中心使得算法容易陷入局部最优的局限性，笔者在综合考虑数据集中数据对象之间的相似性和数据对......
k-means算法是常用的聚类算法之一，它是一种基于划分的聚类算法，但是k-means算法有对噪音数据鲁棒性不佳的不足，且它对于噪音和孤立点......
采用Web文本自动聚类技术，提出一种将HAC（Hierarchical Agglomerative Clustering）聚类算法与K—Means聚类算法相结合的两阶段文本聚......
随着雷达技术的发展,各种类型的雷达不断出现,雷达的探测能力不断提升,这大大降低了导弹等突防装装置的突防成功率,为提高导弹突防......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
提出了将多尺度主元分析方法和费歇判别分析相结合，一种多变量过程监控和故障参数的诊断方法。它的基本过程是利用多尺度主元分析对......
在推荐系统中应用K—means算法聚类可有效降维，然而聚类效果往往依赖于选定的初始中心，并且一旦选定目标簇后，推荐过程只针对目标簇进......
