基于密度复杂簇聚类算法研究与实现

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:zwsbjh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
聚类算法在模式识别、数据分析、图像处理、以及市场研究的应用中,需要解决的关键技术是如何有效地聚类各种复杂的数据对象簇。在分析与研究现有聚类算法的基础上,提出了一种基于密度和自适应密度可达的改进算法。实验证明,该算法能够有效聚类任意分布形状、不同密度、不同尺度的簇;同时,算法的计算复杂度与传统基于密度的聚类算法相比有明显的降低。
其他文献
针对采用有限元程序ANSYS进行深基坑支护排桩内力计算中存在的问题,对以ANSYS为平台,利用APDL语言进行计算程序二次开发中的一些关键性技术作了研究,将其用于多支点排桩支护
乌鞘岭隧道F7断层全长817m,二次衬砌在初期支护未趋稳定情况下施作,势必导致初期支护对二次衬砌的压力较大,了解其压力的大小对设计、施工有重要意义.通过二次衬砌的收敛量测
基于随机时序逻辑(SQTL),通过扩展模糊时间来表达系统的模糊时间关系。并实现一种表达能力更强的时序逻辑——模糊随机时序逻辑(FSQTL)。FSQTL能够建模实时系统中的确定时间、概率
出了一种新的基于边界向量的增量式支持向量机学习算法。该算法根据支持向量的几何分布特点,采用边界向量预选取方法,从增量样本中选取最有可能成为支持向量的样本形成边界向量