注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 一种优化初始中心的K-Means粗糙聚类算法

  2. 针对K-Means算法的不足，提出了一种优化初始中心的聚类算法。

  3. 所属分类：互联网

  1. 一种改进的K-means初始聚类中心选取算法

  2. 在传统的k-means聚类算法中，聚类结果会随着初始聚类中心点的不同而波动，针对这个确定，提出一种优化初始聚类中心的算法。

  3. 所属分类：互联网

  1. 初始聚类中心优化的k-means算法.pdf

  2. 传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。 关键词：数据挖掘；聚类；k-means算法；聚类中心

  3. 所属分类：SQLServer

    • 发布日期：2012-01-14
    • 文件大小：104448
    • 提供者：mocuyu

  1. 基于改进K-means聚类算法的室内WLAN定位研究

  2. ：位置指纹法定位中所建立的位置指纹库能否正确反映指纹信号与位置之间的映射关系将影响最终 定位效果。本文将一种改进的K．means聚类算法运用于WLAN室内指纹数据库的建立，较之传统K．means聚 类算法所建立的指纹数据库，采用了改进K．means聚类算法所建立起来的指纹数据库优化了初始聚类中心选 择方法及准则函数，避免了被聚类的指纹数据陷入局部解现象。实验结果表明：本文所提算法建立的指纹数据 库可提高WLAN室内定位精度，缩短定位时间。

  3. 所属分类：电信

    • 发布日期：2015-09-01
    • 文件大小：359424
    • 提供者：l13186125825

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：225280
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：225280
    • 提供者：q6115759

  1. 基于特征选择的K-means聚类异常检测方法

  2. K-means算法是一种采用距离作为相似性评价指标的聚类算法,其快速简洁的特点在异常检测场景中有一定的应用价值。但是,传统的K-means聚类算法在选取初始中心和度量相似性上有一定缺陷。针对传统的K-means算法中存在的问题,本文对原有的方法进行了改进。第一,在初始化聚类中心时选取了一种优化的方法作为初始聚类中心,替代原有的随机选择方法以减少计算量和迭代次数。第二,采用基于信息熵属性加权的样本相似性度量来进一步精确样本差异。实验过程中,针对异常检测数据含有冗余特征,对样本数据做了冗余特征过滤

  3. 所属分类：网络安全

    • 发布日期：2018-06-17
    • 文件大小：361472
    • 提供者：qq_28339273

  1. 基于共轭梯度对数分解的大数据分类模型

  2. 提出一种基于共轭梯度对数分解的大数据分类数学仿真模型。构建基于K-means算法的数据分类目标数据生成模型,采用共轭梯度对数分解方法对大数据集进行规范化处理,构建数据融合适应度矩阵,基于Lagrange定理,全局搜索性寻找聚类中心的最佳值求得聚类目标函数,确定边界隶属度特征的一个初始值,实现对大数据分类模型优化设计。仿真实验表明,采用该分类模型,数据分类寻优性能较好,各类数据的特征分类准确,收敛性较高。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-19
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. K_means算法

  2. 在污水处理上算法的应用，为提高污水处理过程中出水氨氮的预测精度，并针对 RBF 神经网络参数难以确 定的问题，提出一种改进 K-means 算法优化 RBF 神经网络的氨氮预测算法。首先，计算 每个样本点的密度值，以其大小是否满足一个阈值为条件，判定该点是否为孤立点或噪 声点，来消除孤立点和噪声点对 K-means 算法的影响；然后利用减法聚类算法初始化 K-means 算法的聚类中心，并得到聚类中心的个数，将改进后的 K-means 算法优化 RBF 神经网络结构；最后，通过对污水处理过程中

  3. 所属分类：算法与数据结构

    • 发布日期：2018-10-02
    • 文件大小：1007616
    • 提供者：qq_40676558

  1. 基于时间因子的混沌粒子群优化K-means算法

  2. 针对传统的K-means算法对初始聚类中心取值敏感和易陷入局部最优解等缺点,提出一种带时间因子的改进粒子群优化(Particle Swarm Optimization,PSO)聚类算法。首先在PSO算法中引入反映时间效应的动态调整时间因子,以避免粒子在最优解附近震荡,为保证粒子在规定范围内运动,采用边界缓冲墙对越界粒子进行处理;其次针对粒子群算法存在的全局搜索性能问题,通过改进的混沌技术对粒子群进行扰动,以混沌搜索替代随机搜索,确保种群的多样性,进而使粒子群向更优的方向移动;最后将改进后的粒子群

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：302080
    • 提供者：weixin_38721652

  1. 零售业顾客忠诚度的模型研究与聚类挖掘

  2. 大连交通大学 硕士学位论文 零售业顾客忠诚度的模型研究与聚类挖掘 姓名：徐鹏 申请学位级别：硕士 专业：计算机应用技术 指导教师：田宏 20081220 摘要 面对市场的激烈竞争，仅依靠商品本身很难在瞪趋激烈的竞争中取胜，现今市场的 竞争，实际怒赢得顾客的竞争。因此，如何建立蹶客忠诚度模型分析顾客的忠诚度是+ 分重要的。因为这为企业如何更好的去识别和保留忠诚度高的顾客，挖掘潜在和提升顾 客忠诚度，以及预防顾客流失都起着至关重要的作用。 本文研究重点在于分析国内零售业颤客消费行为特性，探讨圈内零

  3. 所属分类：餐饮零售

    • 发布日期：2010-10-22
    • 文件大小：3145728
    • 提供者：gadflyyy

  1. 基于密度的优化初始聚类中心K-means算法研究

  2. 传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

  3. 所属分类：其它

    • 发布日期：2020-07-20
    • 文件大小：118784
    • 提供者：weixin_38612909

  1. 一种基于改进K-means算法的网络流量分类方法

  2. 针对网络流量分类识别系统尤其是实时识别系统对实现复杂度和分类准确率的要求，提出一种复杂度和准确率的折中方案。通过基于密度的思想对K-means算法随机选取初始聚类中心这一关键缺陷进行改进，以及引入聚类有效性判别准则函数确定最终聚类个数实现对算法的全面优化，进而提出基于改进K-means算法的网络流量分类方法，在兼顾K-means算法简单易实现、分类快速特点的同时，提高了分类的准确率。在公开的权威网络流量数据集上的实验表明，与普通K-means方法相比，该方法在网络流量分类方面具有更高的分类准确率

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：561152
    • 提供者：weixin_38609247

  1. 一种优化初始聚类中心的K-means聚类算法

  2. 针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进，利用提出的新算法选出初始聚类中心，并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高，具有更高的准确性。

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：319488
    • 提供者：weixin_38560797

  1. 基于密度的优化初始聚类中心K-means算法研究

  2. 传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：376832
    • 提供者：weixin_38725086

  1. 基于改进聚类分析的网络流量异常检测方法

  2. 针对传统基于聚类分析的网络流量异常检测方法准确性较低的问题，提出了一种基于改进 k-means聚类的流量异常检测方法。通过对各类流量特征数据的预处理，使k-means算法能适用于枚举型数据检测，进而给出一种基于数值分布分析法的高维数据特征筛选方法，有效解决了维数过高导致的距离失效问题，并运用二分法优化K个聚簇的划分，减少了初始聚类中心选择对k-means算法结果的影响，进一步提高了算法的检测率。最后通过仿真实验验证了所提出算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：494592
    • 提供者：weixin_38577378

  1. 基于自动聚类模型的输电线路外力破坏预警预测

  2. 外力破坏事件已成为严重威胁架空输电线路安全稳定运行的主要因素，给防御、预警工作带来一定的困难。针对传统的聚类方法聚类中心难以准确确定、易受异常点影响的问题，提出了一种基于自动聚类模型的输电线路外破数据分析方法，对外力破坏数据从时间和空间纬度进行分析。该算法首先通过Canopy算法初始聚类中心，采用削弱不符合正态分布的异常数据权值的思想，利用优化的 K-means 算法进行聚类处理，最终通过实验分析证明了该算法的有效性及高效性。本文算法能够应用于电力信息系统的GIS模块，实现分析结果的时空可视化，

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：758784
    • 提供者：weixin_38556541

  1. 基于变异精密搜索的蜂群聚类算法

  2. 针对K-means 聚类算法过度依赖初始聚类中心、局部收敛、稳定性差等问题, 提出一种基于变异精密搜索的蜂群聚类算法. 该算法利用密度和距离初始化蜂群, 并根据引领蜂的适应度和密度求解跟随蜂的选择概率P;  然后通过变异精密搜索法产生的新解来更新侦查蜂, 以避免陷入局部最优; 最后结合蜂群与粗糙集来优化K-means. 实验结果表明, 该算法不仅能有效抑制局部收敛、减少对初始聚类中心的依赖, 而且准确率和稳定性均有较大的提高.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：189440
    • 提供者：weixin_38656226

  1. 基于K-means算法的最佳聚类数研究

  2. 针对聚类算法在实现的过程中需要预先设定最终聚类数目的问题，提出了基于同类全部样本的类内紧密度和类间离差度的一种新聚类有效性指标，通过该指标能够有效地确定数据集的最佳聚类簇数。在确定最佳聚类数的过程中采用K-means算法，针对K-means算法随机选择初始聚类中心的缺陷，提出以欧式距离度量样本相似度，基于样本方差，选出方差最小的前K个样本作为初始聚类中心，避免噪声点成为初始聚类中心，使得选择的初始聚类中心位于样本集稠密区域，K-means聚类的结果稳定有效。使用优化K-means算法和新的聚类有

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38616120