您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于密度的分布式聚类算法研究

  2. :大量复杂异构数据分布于各个网络站点上,分布式聚类是海量数据处理的一个重要应用。该文针对基于密度的分布式聚类(DBDC) 算法提出一种改进算法,利用局部聚类获取更佳的代表对象,将代表对象集附带相关信息传送至主站点,用增强的基于密度的聚类算法进 行全局聚类,并更新子站点聚类。理论分析和实验结果表明,该算法在聚类质量和算法效率方面优于DBDC 算法。
  3. 所属分类:其它

    • 发布日期:2010-10-14
    • 文件大小:1048576
    • 提供者:topmast
  1. K-means聚类初始中心的选择

  2. K—means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用.由于该终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。这里提出了一种K—means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点.该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果.
  3. 所属分类:Java

    • 发布日期:2011-04-01
    • 文件大小:852992
    • 提供者:xiaoq557
  1. 2014年中SCI论文基于局部密度聚类算法代码C++编写以及例子运行程序

  2. 2014年中SCI论文基于局部密度聚类算法代码运用C++进行编写,此上传为一个例子运行程序:其中截断距离dc可以通过选择设置平均每个点的邻居局部密度为数据总数的1-2%(即K值)自动生成,当点属于的边界部分条件达到要求时,便停止dc的自增,最后将结果输出到txt中,密度最大的点和坐标,可根据要求自行修改得到其他密度信息,数据量较大时,聚类时间较长,耐心等候。
  3. 所属分类:C++

    • 发布日期:2018-05-10
    • 文件大小:2097152
    • 提供者:llx18850576021
  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题,利用电力通信网的带宽和距离作为权值,计算电力通信网节点的多种 评价指标:节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标,利用快速密度聚类方 法建立电力通信网的节点重要性评估模型,为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类, 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电
  3. 所属分类:其它

    • 发布日期:2019-09-13
    • 文件大小:403456
    • 提供者:weixin_38743481
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3145728
    • 提供者:songzailu6482
  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. 改进的高效模糊C均值聚类算法

  2. 在数据采集过程中结合网格聚类算法提高计算效率,为了保存采样数据的分布特点引入权值。根据类别中心密度高、权值大的特征采用寻找连通分量的方法初步确定聚类中心,在此基础上结合自适应免疫算法,动态地确定聚类中心及其类别数。进而使FCM算法跳出局部最优,最大可能地得到全局最优解。
  3. 所属分类:其它

    • 发布日期:2020-10-17
    • 文件大小:310272
    • 提供者:weixin_38706100
  1. 基于d-AIFCM的Web用户聚类分析

  2. 传统FCM聚类算法存在初始聚类中心较为敏感的问题,易陷入局部最优。针对此问题,提出了基于密度权值和自适应免疫系统的FCM算法(d-AIFCM)。算法在对Web用户进行聚类分析的过程中,基于用户群体之间的相似性,引入密度权值生成候选初始聚类中心,采用自适应免疫系统的原理确定初始聚类中心,自动生成最佳分类,解决传统FCM算法对初始聚类中心敏感的问题。实验结果表明,d-AIFCM算法在收敛次数和聚类效果方面较其他同类算法有所提升。
  3. 所属分类:其它

    • 发布日期:2020-10-17
    • 文件大小:333824
    • 提供者:weixin_38526421
  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. 基于局部密度构造相似矩阵的谱聚类算法

  2. 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健
  3. 所属分类:其它

    • 发布日期:2021-03-26
    • 文件大小:566272
    • 提供者:weixin_38605801
  1. 一种新的基于k-NN中心密度启发式密度的聚类算法

  2. 基于密度的聚类算法用于识别具有非常不同的局部密度并且存在于数据空间的不同区域中的聚类是众所周知的。 但是,很难确定大多数流行的基于密度的聚类算法(例如DBSCAN)所需的参数,但会对聚类结果产生重大影响。 在本文中,我们提出了一种新的基于密度的聚类算法,其中选择合适的参数难度较小,但更有意义。 在几个数据集上进行的实验表明了我们方法的有效性。
  3. 所属分类:其它

    • 发布日期:2021-03-13
    • 文件大小:478208
    • 提供者:weixin_38602098
  1. 基于模糊逻辑的无线传感器网络节能聚类算法

  2. 由于.power约束仍然是无线传感器网络(WSN)的瓶颈,因此群集策略是减少能耗的最有前途的方案之一。 尽管提高了能源效率,但大多数导致了太多的计算开销。 基于模糊逻辑的聚类算法优于其他算法,这是因为它在模仿人类决策方面的优势以及将多个输入转换成单个输出的能力。 提出了一种基于模糊逻辑的高效聚类算法(FLEEC)。 设计了两级模糊逻辑系统,以平衡能耗并缓解“热点问题”。 在第一级中,接收器根据节点密度和到接收器的距离的模糊输入确定所有传感器节点的通信半径。 在第二级中,根据第一级中生成的残差能量
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:385024
    • 提供者:weixin_38524871
  1. 蚂蚁聚类PHD过滤器用于多目标跟踪

  2. 研究了一种新颖的蚁群滤波算法,在后多目标状态(概率假设密度)的一阶统计矩的指导下,研究并应用于估计杂乱环境中目标及其各自状态的时变数量。 蚂蚁聚类过滤算法包括两个聚类步骤:第一步称为粗糙蚂蚁聚类,涉及随机选择每个蚂蚁及其分别根据当前似然函数和后验强度进行状态局部调整。 第二种称为精细蚂蚁聚类,它利用这些蚂蚁提取多目标状态。 数值模拟通过与顺序蒙特卡洛(SMC)方法的性能比较,验证了我们提出的算法的跟踪多目标能力。
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:2097152
    • 提供者:weixin_38647822
  1. 基于MST聚类的空间数据离群挖掘算法

  2. 空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:422912
    • 提供者:weixin_38628175
  1. DPC-DBFN:基于密度主干和模糊邻域的密度峰聚类-源码

  2. DPC数据库 基于密度骨干和模糊邻域的密度峰聚类 Abdulrahman Lotfi a , Parham Moradi a , Hamid Beigy b 计算机工程,库尔德大学,萨南达季,伊朗的一处 b谢里夫工业大学计算机工程系,伊朗德黑兰 抽象的 密度峰聚类(DPC)由于使用了非迭代过程而成为一种有效的聚类算法。 但是,DPC及其大多数改进都有以下缺点:(1)对截止距离参数高度敏感;(2)在计算局部密度时忽略数据的局部结构;(3)使用明快的内核来计算局部密度(4)遭受连锁React的原因
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:364544
    • 提供者:weixin_42128270
  1. 基于模糊局部信息C均值算法的网目调光谱反射率预测模型研究

  2. 提出了一种网目调光谱反射率预测方法。网目调单个网点由若干个区域组成:网点核心区域,该区域的油墨层厚度均匀,且等于实地印刷的油墨层厚度;其余边缘区域有一个模糊的厚度分布函数,这部分油墨层厚度比实地油墨层厚度薄,且越靠近网点边缘油墨层厚度越薄。采用模糊局部信息C均值算法按像素密度值聚类网目调单个网点,得到了层次分明的网点密度分布并计算各个层次的面积率。以此建立了一个新的光谱反射率预测模型,该模型预测的光谱反射率与实际印刷样张测量得到的光谱反射率具有很好的光谱匹配曲线,证明该算法模型具有较高的预测精度
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:2097152
    • 提供者:weixin_38668335
  1. 一种改进的基于局部密度的聚类算法

  2. 聚类分析一直是机器学习和数据挖掘领域一个比较活跃而且极具挑战性的研究方向。Alex提出的基于局部密度的聚类算法是一种快速、有效的聚类方法,但该方法通过手工选取确定聚类个数和聚类中心。为此,对原算法进行改进,在初步选取候选聚类中心的基础上,使用基于密度连通的算法优化选取聚类中心,然后使用大密度最近邻方法确定样本类别。实验证明,该方法能有效解决聚类个数和聚类中心无法确定的问题,同时在聚类评价指标上显示出较好的聚类效果和性能。
  3. 所属分类:其它

    • 发布日期:2021-01-19
    • 文件大小:1048576
    • 提供者:weixin_38589774
  1. 基于增强型kick策略的ILS算法求解一类聚类问题

  2. 提出一种新型的基于环交换邻域的迭代局部搜索算法(ILS),用于求解一类聚类问题.算法的主要特点是:1)基于环交换的邻域结构:环交换邻域与传统的Swap 和Insert邻域相比, 算法在一次迭代中允许多个点同时移动;2)针对聚类问题提出了增强型的kick移动策略:根据每组内点的密度分布摄动聚类中心,对给定的解重新聚类.实验结果表明, 基于环交换的迭代局部搜索算法对求解该类聚类问题是有效的.
  3. 所属分类:其它

    • 发布日期:2021-01-15
    • 文件大小:380928
    • 提供者:weixin_38686860
  1. 基于局部密度构造相似矩阵的谱聚类算法

  2. 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健
  3. 所属分类:其它

    • 发布日期:2021-01-15
    • 文件大小:358400
    • 提供者:weixin_38516270
  1. ESYN:基于动态模型的高效同步聚类算法

  2. 基于动态同步模型,提出一种高效同步聚类ESYN算法。首先,根据非矢量网络的局部结构信息,提出节点相似度的定义,以准确描述节点间的链接密度;其次,利用OPTICS算法进行矢量化预处理,将非矢量网络转换为一维坐标序列;最后,在通用 Kuramoto 动态同步模型中,增加基于全局信息的耦合强度分析,同时不断增加同步半径,自动选取最优的聚类结果。在大量人工合成数据集和真实数据集上的实验结果表明算法聚类准确率较高。
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:1048576
    • 提供者:weixin_38704565
« 12 »