三支聚类相关论文
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种经典的基于密度的聚类算法,它通过两个全局参数即半径E......
云平台是支撑当今诸多高新技术发展的重要基础设施之一。作为云计算系统体系规划的一个重要组成部分,调度技术直接关系着云计算组成......
将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差......
摘 要:传统初中教育管理中常采用“非我即他”的“硬划分”思想开展工作,这种管理模式会产生许多问题,甚至带来决策风险。三支聚类是......
聚类集成旨在通过融合多个不同的基聚类结果得到一个统一的类簇划分.针对现实环境中的模糊和不确定性数据,本文提出了一种基于阴影......
期刊
KNN算法以其稳定性好、准确率高等特点受到了广泛的应用.但其分类效率与训练样本的规模呈正比,在面对大规模、高维度的数据时分类......
为了考虑样本与簇之间不确定的归属关系并衍生全局和局部多视角多标签学习的应用范围,提出一个主动三支聚类下的全局和局部多视角......
聚类分析或称聚类,作为一种无监督数据挖掘方法,根据设定的测量方法,允许我们将类似样本划分到同一类簇中。它有助于我们识别数据......
聚类分析作为一种有效的无监督数据挖掘方法,已经广泛地应用在教育、商业、农业等许多实际领域中。为了克服传统二支聚类算法不能......
随着计算机技术的高速发展,我国正逐步进入信息大爆炸的网络信息时代,其随之产生的海量数据中往往包含大量存在不确定性及不完整性......
文章将样本稳定性和三支聚类结合,给出了一种基于邻域样本稳定性的三支聚类算法.首先使用任意两个样本的邻域中的公共元素个数定义......
本文在多路谱聚类算法(NJW算法)的基础上进行三支聚类算法构造。主要思想是针对每个对象进行加权运算,利用多路谱聚类算法的稳定性......
目前,大多数聚类方法是二支聚类,即每个对象要么属于一个类,要么不属于一个类,聚类结果具有清晰的边界。然而,将某些不确定的对象......
聚类分析能够通过划分数据得到蕴含的有效信息,现在已经广泛应用于交通、工业等相关领域。而传统的二支聚类表示不能明确地表示那......
针对传统k-means算法不适用有不确定因素存在的环境和现有的三支k-means聚类分析中并未避免传统k-means算法随机选择初始簇中心而......
在云计算商业化的服务模式中,追求服务质量,负载均衡与经济原则的多目标优化调度。针对集群资源使用率偏低的现象,提出了三支聚类......
目前,大多数聚类方法是二支聚类,即对象要么属于一个类,要么不属于一个类,聚类的结果必须具有清晰的边界。然而,将某些不确定的对......
K-means算法以硬聚类划分思想被广泛应用于入侵检测系统,这种严格的边界划分方法在对许多新衍生类入侵数据检测时,易出现检测率低......
硬聚类要求聚类的结果必须具有清晰的边界,即每个对象要么属于一个类,要么不属于一个类.然而,将某些不确定的对象强制分配到某个类......
传统的聚类方法大都是二支决策,即决策一个元素属于一个类或者不属于一个类。然而在处理不确定性信息时,强制将其中的元素划分到一......
三支决策是一种符合人类认知的“三分而治”模型,衡量“治”的效果需基于特定的“分”法。现有的对“治”的研究往往基于等价类进......
二支聚类要求聚类结果必须具有清晰的边界,即每个对象要么属于一个类,要么不属于一个类.然而在许多实际问题中,一个对象和类别可能......