多代表点相关论文
聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为现实数据集提供了模糊处理能力,在许多领域被广泛应用。本文在对基于......
现代社会随着信息技术的发展,数据量呈几何的方式快速增长,“信息爆炸”时代已经来临。随着信息的规模越来越庞大,数据的结构越来......
针对原始的仿射传播(affinity propagation,AP)聚类算法难以处理多代表点聚类,以及空间和时间开销过大等问题,提出了快速多代表点......
多代表点近邻分类克服了传统近邻分类算法的缺点，使用以代表点为中心的模型簇构造分类模型并自动确定近邻数目。此类算法在不同类别......
文本自动分类是一种有效的组织信息和管理信息的工具,传统分类方法一般在分类效果和运行效率上两者不可兼得,通过综合Rocchio和KNN......
食品卫生的HACCP自动分类要处理的数据集形状呈现多样性，对分类结果的准确性和专业性要求很高，已有的算法难以满足。该文基于经典BIR......
人工智能经过60多年的发展已经取得了巨大进步,作为人工智能领域中最活跃分支之一的机器学习也相应地得到快速发展。聚类作为一种......
针对模糊C-均值聚类算法偏好发现球形簇，以及对孤立点非常敏感的问题，提出了密集簇中心二次模糊聚类算法，其中引入聚类有效性度量函数......
