类簇中心相关论文
聚类是一种经典的数据挖掘技术,它在模式识别、机器学习、人工智能等多个领域得到了广泛的应用.通过聚类分析,目标数据集的深层次......
复杂网络中的社区发现研究对发现复杂网络中隐藏的规律和预测复杂网络的行为具有重要的意义,是近十几年的研究热点之一。许多聚类......
构建数据挖掘的高校实验室管理水平评价模型,以提高实验室管理水平数据的聚类性能,进而全面评价实验室管理水平。该模型采用密度峰......
众所周知,聚类分析在许多领域中都有着广泛和深入的应用,对人们的决策与研究也有着非常重要的指导意义。K-means聚类算法是聚类分......
为了克服在传统K—means聚类算法过程中因初始类簇中心的随机性指定所带来的聚类结果波动较大的缺陷，提出了一种基于密度与最小距离......
针对现有聚类算法普遍存在聚类质量低、参数依赖性大、孤立点难识别等问题,提出一种基于数据场的聚类算法。该算法通过计算每个数......
快速搜索和找到密度峰DPC(clustering by fast search and find of density peaks)的聚类是一种新颖的算法,它通过找到密度峰来有......
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......
为了克服K-Means算法对初始类簇中心、噪声点、孤立点敏感缺点,将K-Means算法和人工鱼群算法结合,提出了改进的人工鱼群聚类算法。......
快速搜索与发现密度峰值聚类算法(Fast Search and Discovery Density Peak Clustering Algorithm,CFSFDP)的聚类效果十分依赖截断......
