密度峰相关论文
密度峰聚类(DPC)算法采用点的密度与距离属性对数据进行划分。该算法对大多数数据集能获得较好的聚类结果。然而,对于存在交叉、重......
在大数据的背景下,聚类分析作为数据挖掘重要的技术手段之一,应用领域十分广泛。基于密度峰快速搜寻的聚类分析方法由于良好的聚类......
当前以社交网络为代表的复杂网络规模庞大且充满活力,如Twitter的日活跃用户数量超过为1.34亿,Snapchat的日活用户数超2亿,Faceboo......
相比其它聚类算法,密度峰值点快速搜索聚类算法（clustering by fast search and find of density peaks,DPC）只需较少的参数就能达到......
针对密度峰值聚类算法受人为干预影响较大和参数敏感的问题,即不正确的截断距离dc会导致错误的初始聚类中心,而且,在某些情况下,即......
针对径向基函数(RBF)网络结构和初始数据中心难以客观确定的不足,采用二分搜索密度峰聚类算法(TSDPCA)找到数据中心值及数据簇类个......
软测量建模技术作为过程控制理论中一个重要的研究方向,目前已经被广泛应用在工业过程中。21世纪以来工业生产数据越来越受到人们......
针对现有的基于密度的聚类算法存在参数敏感,处理非球面数据和复杂流形数据聚类效果差的问题,提出一种新的基于密度峰值的聚类算法......
针对密度峰聚类分配时,仅考虑样本点与指向点(密度比它大的最近点)之间的距离,不适用于流形聚类(如Circleblock数据集、Lineblobs......
密度峰聚类是一种新的基于密度的聚类算法，该算法不需要预先指定聚类数目，能够发现非球形簇。针对密度峰聚类算法需要人工确定聚类中......
