聚类有效性指标相关论文
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......
聚类分析能够充分挖掘无标记样本的内部特征,在未知数据标签和数据分类个数的情况下,自主地将数据集中的数据划分为若干子集,是一......
聚类是一种经典的数据挖掘技术,它在模式识别、机器学习、人工智能等多个领域得到了广泛的应用.通过聚类分析,目标数据集的深层次......
模糊聚类方法可以更有效地对复杂数据集进行分析,由于模糊聚类算法的种类繁多且聚类结果会随着输入的聚类个数的不同而改变,使得模......
数据聚类就是将一个数据集中的数据按照某种条件聚成若干个簇,使得簇中的数据相似性较高,而簇间的数据则相异性较高的过程。聚类分......
聚类分析在许多科学领域发挥着重要作用,聚类算法和聚类验证是聚类分析的两个基本要素。在聚类分析之前,聚簇的数量是聚类算法的基......
在聚类分析中,决定聚类质量的关键是确定最佳聚类数.对此,从样本几何结构的角度定义了样本聚类距离和样本聚类离差距离,设计了一种......
近年来,旋转机械设备日益大型化、智能化和复杂化,继而针对这些设备展开的状态监测和故障诊断技术也愈加重要。基于同源信息融合的......
卫星云图中人们感兴趣的区域(ROI)往往是各类云团,针对卫星云图内容的复杂性,利用直方图模糊加权C均值聚类方法实现云图的图像分割......
针对已有的无线入侵检测方法训练时间长和检测精度低的问题,提出一种基于调整后的BIRCH——MBIRCH算法的无线Mesh网络入侵检测算法......
针对无监督结构故障检测与分类问题，提出了一种基于资源受限人工免疫算法的故障检测与分类方法．该算法将无标签样本数据作为抗体组成......
随着智能电网建设的深入，许多智能仪表被接入电网以获取用户的实时负荷数据。由于用户数量众多，单独对个体进行数据处理和分析是不现......
为估计数据集的聚类数目及获得较好的聚类性能,提出了一种基于灰关联测度的分裂式层次聚类算法.该算法用灰关联测度衡量数据对象之......
为了更有效地确定数据集的最佳聚类数，提出一种新的确定数据集最佳聚类数的算法。该算法借签层次聚类的思想，一次性地生成所有可能的......
针对传统GK聚类算法无法自动确定聚类数和对初始聚类中心比较敏感的缺陷,提出一种改进的GK聚类算法。该算法首先通过基于类间分离......
确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的......
针对K-means聚类算法通常无法事先设定聚类数,而人为设定初始聚类数目容易导致聚类结果不够稳定的问题,提出一种新的高效率的K-mea......
作为无监督学习方法的一种,聚类分析是从无标记数据集中获取信息和知识的重要手段,是数据挖掘、统计学、模式识别等领域的重要研究......
过去几十年,研究者们提出了大量适用于硬聚类的聚类有效性指标。然而,现有的聚类评价方法会受到各种数据特征的影响。例如,带有噪......
聚类分析是一种无监督的机器学习技术,是从无标记数据集中获取信息和知识的重要手段,目前已经被广泛应用于客户推荐、模式分割、视......
卫星云图中人们感兴趣的区域(ROI)往往是各类云团,针对卫星云图内容的复杂性,利用直方图模糊加权C均值聚类方法实现云图的图像分割......
作为物流系统重要的中心枢纽,配送中心选址问题决定着整个企业运输系统的流畅性、经济性、有序性;对于零售企业来说,科学合理的选......
确定数据集的最佳聚类数是聚类研究中的一个重要难题。为了更有效地确定数据集的最佳聚类数，该文提出了通过改进K-means算法并结合......
聚类有效性指标用于评价聚类质量和确定最佳聚类数，针对包含大小和密度差异性较大数据类的数据集，在分析了传统模糊聚类有效性指标不......
在室内覆盖的大量的WiFi信号可以用来室内定位。尽管很多WiFi室内定位技术被提出,但其定位精度仍然未达到实际应用的需求。针对这......
大脑通过神经元动作电位即锋电位进行信号的传递、交流和处理,对神经锋电位活动的记录检测是神经科学研究的前提。神经锋电位信号......
由于真实数据环境复杂,越来越多的数据分析采用集成的方法来完成,以解决单一方法无法完成的任务。因此,将多种理论相互融合,构造合......
聚类分析作为一种无监督学习方法,是获取数据信息的重要工具,它被广泛的应用在数据挖掘、模式识别、图像处理、机器学习和其他各个......
对用电大数据进行快速、准确、高效的挖掘,是得到用户负荷模式不可或缺的基础工作。首先分析了用电数据的分布特点,利用统计学中四......
城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之。针对现有的基于划分的聚类算法应用于交通规......
模糊聚类是模式识别、机器学习和图像处理等领域的重要研究内容。模糊C-均值聚类算法是最常用的模糊聚类实现算法，该算法需要预先给......
有效的波段选择方法可提高高光谱图像处理的速度和处理效果。为了进一步提升前向搜索的最小噪声波段选择算法的效率，提出了一种基于......
近年来,由于互联网数据大规模增长而导致文本数据的高维稀疏性,为文本分类技术发展带来了严峻的挑战。因此,为应对爆炸式数据增长......
确定数据集的聚类数目是聚类分析中一项基础性的难题.常用的trail-and-error方法通常依赖于特定的聚类算法,且在大型数据集上计算......
K-均值聚类算法是以确定的类数k和随机选定的初始聚类中心为前提对数据集进行聚类的。通常聚类数k事先无法确定,随机选定的初始聚......
聚类是模式识别、机器学习和图像处理等领域的重要研究内容。聚类分析已经成为聚类领域的研究热点,受到了国内外学者的广泛关注。......
聚类是一个无监督学习过程,因此确定最佳聚类数是一项困难的工作.聚类有效性研究是通过建立聚类有效性指标,评价聚类质量并确定最......
K-means聚类算法是以确定的类数k为前提对数据集进行聚类的,通常聚类数事先无法确定。从样本几何结构的角度设计了一种新的聚类有......
聚类分析是数据挖掘、模式识别和机器学习领域的重要研究内容。作为数据分析和理解的重要方法,聚类分析研究已经有很长的历史。几......
城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小......
针对传统的聚类算法对数据集反复聚类,且在大型数据集上计算效率欠佳的问题,提出一种基于层次划分的最佳聚类数和初始聚类中心确定......
在聚类分析中,决定聚类质量的关键是确定最佳聚类数。提出采用聚类效果较好的近邻传播聚类算法对样本进行聚类,运用6种聚类有效性......
在传统确定数据集聚类数算法原理的基础上，提出一种新的算法-MHC算法。该算法采用自底向上的策略生成不同层次的数据集划分，计算每个......
