密度峰值相关论文
为了深入挖掘校园无线网络轨迹行为数据信息,采用基于密度的聚类方法对校园内用户的轨迹行为进行特征聚类。由于基于密度的聚类算法......
随着中国经济的发展以及人们生活水平的提高,人们对住房的需求与日俱增。每年从学校毕业的大量应届毕业生,更是增加住房压力的主力......
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......
通过自行开发的爬虫脚本,抓取新浪微博上不同的关键词组成文本数据集,对数据信息进行中文分词、去停用词、权重计算等预处理,然后利用......
文章针对密度峰值聚类算法(Density Peak,DPeak)能够有效解决离群点检测和分类的问题,结合算法特点进行改良优化,提出了一种基于密度峰......
密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法原理简单、运行高效,可以找到任意非球形类簇。但是该算法存在一些缺陷:首先,......
信息科技进步催生了数据挖掘技术,聚类分析是数据挖掘中一项关键技术。聚类分析是一种无监督学习的技术,旨在不利用外部先验信息实......
非平衡问题普遍存在于各个应用领域,比如医学诊断、文本分类、故障监测等。传统的分类方法未考虑到数据的不平衡性,会导致非平衡数......
针对密度峰值聚类算法(DPC,the density peak clustering algorithm)聚类结果受距离阈值dc参数影响较大的问题,提出一种局部密度捕......
密度峰值聚类算法是一种通过在决策图中寻找聚类中心实现快速聚类的新型聚类算法。该算法假设每个簇的聚类中心都拥有最大密度、任......
在如今信息时代的大环境中,我们所要面对的是在大量信息流下产生的海量数据的归纳与整理的问题;如今在高速的信息生成、传送、保存......
聚类分析是数据挖掘中的主要组成之一,其任务是利用数据内的相似关系,将数据集划分为多个不相关组,并广泛应用在农业、天文学、工......
聚类是一种无监督分类,常用于机器视觉、图像处理等领域.针对密度峰值聚类算法初始聚类中心需要人工手动选择问题,提出一种自动选......
密度峰值聚类方法能够对数据进行聚类,且适用于任意形状数据集的聚类.但当数据量增大时,算法的时间复杂度和存储开销也会大幅增加.......
非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点......
密度峰值聚类算法(density peaks cluster, DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇。在类簇间有密度差距的......
对于基于划分的聚类算法随机选取初始聚类中心导致初始中心敏感,聚类结果不稳定、集群效率低等问题,提出一种基于MapReduce框架和......
密度峰值聚类(DPC)算法可快速搜索密度峰并进行聚类,具有调节参数少、无需迭代的特点。但对于稀疏簇和密集簇的数据,简单的局部密......
针对K-means聚类算法存在初始聚类中心敏感,离群点的检测和去除困难的问题,提出基于K-最近邻(K-Nearest Neighbor,KNN)优化密度峰......
目前随着科学技术的发展,互联网数据呈现出了指数级的爆炸式增长,这就使得人工标注数据样本的代价急速增加。所以,怎样用较少的人......
在图像处理中,图像分割是一种重要的图像分析手段,目的在于将图像划分为具有不一致性特征的区域并提取图像中有意义的或人们感兴趣......
物以类聚,人以群分。今天,面对互联网上日益增长的数据,聚类在数字图像处理、物种类别分析、网络社区发现、信息安全监测、企业商......
针对现有大数据情感分析方法普遍存在分类不准、效率不高、结果片面等现象,提出了融合密度峰值与局部特征提取分类方法。考虑到大......
磁共振(Magnetic Resonance,MR)成像技术作为现代医学成像技术中的重要组成部分,由于它的非入侵性、高对比度等特点,在临床医学方......
癌症疾病作为困扰人类医学的难题长期无法取得实质性的突破,原因在于人类无法从成千上万的致病基因中找到罪魁祸首,在科技飞速发展......
聚类是数据挖掘中一个富有活力的研究领域,也是机器学习中一种重要的无监督学习技术。聚类分析作为数据挖掘中一个重要分支,已经植......
日常生活中传播的绝大多数信息如书籍、杂志、网页等都是以文本的形式存在的。随着互联网的普及,信息传播速度不断加快,文本数据也......
现实生活中复杂的任务往往存在固有的层次结构。研究如何用计算机模拟人脑对知识的层次处理模型是人工智能发展的重要内在逻辑。其......
动态文摘的研究对象是多文档集合,这些文档中的内容是随着时间而更新演化的。但是动态文摘中存在高冗余、新颖信息丢失等问题,严重......
基于快速搜索和发现密度峰值的聚类算法(简称基于密度峰值的聚类算法)是近年最热门的聚类算法之一。由于其具有可快速找到聚类中心......
2014年,《Science》上发表了一种聚类算法,被称为密度峰值聚类算法(Density Peaks Clustering,以下简称DPC),此算法尝试使用两个目......
自训练是半监督分类中最常用的算法之一,该算法通过自主迭代的方式训练分类器,简单有效.但是,在自训练算法训练分类器的过程中,容......
近年来,随着大数据人工智能技术的高速发展,人们的生产生活方式发生了翻天覆地的变化。手机支付、网络直播、视频传播、共享单车、......
大数据智能挖掘分析是当前大数据挖掘研究和应用发展的重要方向,问题任务的复杂性是其中的关键挑战,探索复杂任务的分解求解具有重......
Mashup技术是Web 2.0的关键技术之一,它可以通过集成多种不同功能的Web API,构建出一种全新的Web应用——Mashup服务。在Mashup技......
社团发现可以挖掘社交网络中的社团结构,有助于分析社会活动的规律,在日常生活中有着广泛的应用,如推荐系统、链接预测等。目前社......
聚类算法在数据挖掘、模式识别和机器学习等领域有着广泛的应用,它是数据挖掘技术中的重要组成部分。海量数据的出现,使数据挖掘技......
学位
随着“互联网+”的不断发展,在线学习已经越来越普及,然而目前大部分在线学习平台只是为学习者提供学习资料和简单的留言板功能,而......
在大数据时代,每一个行业领域都会产生海量的数据,如何从这些数据中挖掘出有效的信息,就成为了我们所面临的巨大挑战。高效的聚类......
随着科学技术和生活水平的日益提高,二维信息已不能满足人们逐渐增长的观感和视觉需求,而三维重建技术为解决这类问题带来了一线生......
聚类算法,作为机器学习的重要技术,在先验参数不足时,仍依据样本间的相似度或距离将数据集划分为多个类别,因此被广泛应用于图像分......
随着大数据时代的到来,人们对知识获取及信息处理的需求进一步升级,数据挖掘技术应运而生。聚类分析作为其中最关键的算法之一,以......
随着当今计算机技术的飞速发展,数据的爆炸性增长使得从中发现有价值的信息变得越来越困难,原本在低维数据集上能够取得良好聚类效......