初始聚类中心相关论文
密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到......
网络时代的高速发展,使得每时每刻都在产生着大量的数据信息。如何在这些具体应用数据中发现其潜藏的价值规律,从而获得有益信息,......
阐述K-means算法是一种根据距离作为划分标准的经典聚类算法，应用广泛，但其对初始聚类中心的选取具有依赖性和较强敏感性等问题。为......
期刊
区别于传统用户用电行为分析方法,提出一种以聚类算法为基础的双层聚类分析方法。该方法结合给出的内、外层变随机设置为有目的选......
随着数据爆炸时代的到来,如何高效快捷地挖掘出冗余数据中有价值的信息变得越来越重要。聚类分析是一种无标签、无监督学习的数据......
针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法.该算法通过......
大学生的个体因素直接影响着大学生的就业状况,分析个体内驱因素可以预测大学生求职的能力.该文利用改进的K-means算法对大学生就......
目前,数据挖掘已经取得了显著进展并得到了广泛的应用。随着研究的不断深入,对于序列数据的挖掘逐步受到了国内外研究人员的广泛关......
如何使用文本聚类等数据挖掘技术有效地分析和利用这些海量文本数据，已经经受到了研究人员越来越多的关注。目前，聚类算法主要包括基......
对未知协议消息序列进行聚类处理是分析协议格式的基础.从字符串匹配的角度出发，利用协议格式字段的连续性，在传统K-均值算法基础上......
K-means聚类算法简单高效,适合处理大规模数据,在文本挖掘领域应用广泛,但算法对初始聚类中心的选择非常敏感.本文基于LDA主题模型......
本文针对纺织品彩色印花图案,基于L*a*b*颜色空间采用K均值聚类进行图像分割.在保证不改变印花图案的前提下,通过对印花图案图像进......
选取合理的初始聚类中心是正确聚类的前提,针对现有的K-means算法随机选取聚类中心和无法处理离群点等问题,提出一种基于相异性度......
为了提高玉米叶部病害图像分割的准确率,提出一种基于Lab颜色空间的改进K-means聚类算法。针对叶部病害图像中病斑区域与正常区域......
为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值......
传统的图书管理系统中所拥有大量的信息并没有进行深层次的应用及研究分析。本文应用聚类分析算法,帮助图书管理人员了解读者对不......
模糊数学是研究和处理模糊性现象的数学。由于在地质科学研究领域中,经常面临的许多分类问题多伴随着模糊性,因而模糊数学方法正......
摘要：K-means算法从样本集随机选取初始聚类中心导致聚类结果不稳定，且聚类性能易受奇异点影响。针对以上缺陷，文章定义基于相异度矩......
医学图像分割因其重要应用价值,近年来已成为图像分割研究的热点问题。医学图像种类繁多,每类图像从不同的角度提供信息,如何有效......
数据挖掘是信息处理和数据库技术领域的前沿研究课题，是致力于数据分析和发现数据内部蕴含知识的技术。聚类分析是数据挖掘领域中的......
摘 要： 针对传统K-means算法的聚类不稳定性，提出一种基于相异度与邻域的初始聚类中心选择算法。该算法首先构造相异度矩阵，建立每个......
针对FCM算法在分割脑MRI图像时存在噪声敏感性和初始聚类中心随机性的问题,提出一种融合图像Tamura纹理特征的改进FCM图像分割算法......
K-means算法是一种目前较受欢迎的聚类算法,然而该算法却存在着聚类效果不稳定且容易陷入局部最优解的问题。因此提出一种基于类Di......
聚类是分析数据并挖掘潜在信息的一种有效手段.K-means聚类算法是一个基于划分且应用非常广泛的聚类算法,因此以改善运行效率和聚......
聚类作为数据挖掘的重要任务之一,一直以来都备受关注,并被广泛应用于商业智能、图像模式识别、Web搜索等众多领域。K-means聚类算......
针对初始聚类中心不合理的选择会导致K-means算法的聚类结果局部最优,且降低聚类算法收敛速度的问题,提出一种基于近邻传播算法和......
聚类分析是数据挖掘的重要步骤之一,聚类分析能够初步探知未知数据的分布结构、属性特征,是一种无监督的数据分析过程。在信息社会......
作为现今社会普遍关注并使用的社交媒介,微博已经逐渐融入到日常生活中的方方面面。微博在带来成千上万条信息(包括微博博主主页信......
专利记录了发明创新的内容,包含了各学科的技术信息。专利作为技术发展的基石,不仅展现了最新的技术发展现状、还指导了各学科的技......
互联网时代的到来必将产生大量的数据,数据挖掘则是从这些数据中用非平凡的方法来发现有价值的信息,聚类分析作为这些非平凡的方法......
图像分割是图像分析中的重要环节,同时也是图像处理技术中的难点。人们不断引入新的方法和技术应用于图像分割。得益于模糊理论在......
针对K-means聚类算法对初始聚类中心敏感问题,提出1种结合方差与误差平方和的优化算法。首先,该算法基于方差和距离选取k个位于不......
传统K-means算法对初始聚类中心较敏感.异常数据的处理和相似度计算方式也会影响聚类的划分.针对K-means算法的缺陷,提出了基于密......
通过分析现有判断手写字迹是否完整输入方法的局限性,提出一种基于改进K 均值算法的手写输入阈值提取方法。方法首先采集用户......
在入侵检测系统应用中，传统k-means聚类算法存在聚类中心选取敏感和需要预先设定K值等不足，导致入侵检测效率较低。为了提高检测......
随着信息技术的飞速发展，需要处理的数据量急剧增长，聚类算法的研究面临着海量数据分析和处理的挑战。对K-means聚类算法的优化......
在入侵检测系统应用中，传统k-means聚类算法存在聚类中心选取敏感和需要预先设定K值等不足，导致入侵检测效率较低。为了提高检测......
针对化工过程中的软测量样本具有按工况点聚类的特性，提出了一种基于模拟退火算法(SA)和最小二乘支持向量机(LSSVM)的多模型软......
为解决电网保护整定受系统运行方式变化影响的难题，提出了一种基于模糊c 均值聚类算法的无整定保护新技术。不同于传统保护方案......
传统的k-means算法随机选择初始聚类中心，而初始聚类中心的选择对最终的聚类结果有着直接的影响，因此算法不能保证得到一个唯一的聚......
对模糊C-均值聚类作了简要分析和评论,在此基础上将遗传算法引入其中,以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性;然......
本文采用一种改进的K-means聚类算法自适应地发现多文档集合中的潜在子主题。该方法从整个文档集合的统计信息中获取必要的参数信......
该文讨论了一种用于医学多谱人脑磁共振图象分类的方法－－聚类分析法。通过人工选定初始点，形成初始聚类中心，对人脑的重要组织分类。采......
针对k-means算法事先必须获知聚类数目以及难以确定初始中心的缺点,提出了一种改进的k-means聚类算法.首先引入轮廓系数的概念,通......
