簇中心相关论文
互联网平台、手机客户端及现场服务渠道为客户提供了极为广阔的服务体验空间，为了提升客户体验，业务受理相关的客户舆情信息对于客户......
密度峰值聚类(density peak clustering,DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密......
为准确进行GH159螺栓热镦后头部缺陷识别,提出了基于迁移学习的缺陷识别方法,其中,不同场景亮度下的数据集分别设置为迁移学习的源......
聚类是一种无监督分类,常用于机器视觉、图像处理等领域.针对密度峰值聚类算法初始聚类中心需要人工手动选择问题,提出一种自动选......
聚类算法,作为机器学习的重要技术,在先验参数不足时,仍依据样本间的相似度或距离将数据集划分为多个类别,因此被广泛应用于图像分......
本文给出将聚类分析用于分类的算法.即先将训练数据集聚类,并通过多次迭代地聚类,保证生成的簇中的大多数样本都属于同一类别.之后......
为解决CFSFDP聚类算法由于无法自动选择簇中心点而难以应用于重要地点识别的问题,引入一种簇中心点自动选择策略对算法进行改进。......
本文将k-means与关联规则(或频繁项目集)相结合,提出了一种新的文本聚类算法R-means.R-means算法以关联规则作为簇中心,通过类似于......
聚类是数据挖掘中的一种重要数据分析方法,K-means是一种基于划分的聚类算法。针对K-means算法中每次调整簇中心后确定新的簇中心......
在静电场中质心位于静电平衡或那些能够被接受的平衡位置处，基于这一思想提出了一种发现簇中心的新方法。根据静电场中电荷间的引力......
在大量的模糊聚类算法中,模糊C均值聚类算法是应用最为广泛的,然而它存在着一些缺点：对初始值敏感,对噪声数据敏感,容易陷入局部最......
提出了一种改进的K均值算法用于X光片图像聚类。首先对X光片图像进行预处理,获取数据,然后将每个点的灰度值存储在灰度值矩阵中,最......
网络流量相关应用的自动检测对于网络安全和流量管理来说非常重要。但是，由于Peer—to—Peer（P2P）、V01P等网络新应用使用动态端口、......
数据挖掘算法在经济学中的应用显示了其商业潜力。聚类算法的Map/Reduce并行程序能处理大数据，因此，研究Map/Reduce针对某一个具体问......
期刊
通过高斯核函数的数学性质优化密度度量,根据SH-ESD异常检测算法特点,将显著水平α下检验统计量大于检验临界值的点当作簇中心,进......
为解决K-modes算法初始化k簇时误差率较高和KNN(K最近邻算法)算法面对大样本数据量时分类不准确的现状,分析传统的K-modes算法从k......
针对密度峰值聚类(CFSFDP)算法处理多密度峰值数据集时,人工选择聚类中心易造成簇的误划分问题,提出一种结合遗传k均值改进的密度......
多源目标数据融合技术是雷达辐射源关联融合中的一项关键技术. 以K均值算法为基础,对簇中心初始化方法进行优化,提出了基于空间密......
文中首先介绍了聚类分析的涵义，然后分析K—means算法的基本思想以及划分聚类的三个关键点，最后通过具体的实例讲解了K—means算法的......
