局部密度相关论文
三维激光扫描技术现已广泛应用于逆向工程、精密制造等领域。在点云数据采集的过程中由于受到外界环境、人为操作、设备精度和物体......
针对传统K-means聚类算法对初始聚类中心和离群孤立点敏感的缺陷，以及现有引入密度概念优化的K-means算法均需要设置密度参数或阈值......
文章针对传统SMOTE及BSMOTE过采样方法会导致多数类样本识别率下降的问题，提出基于局部密度的改进BSMOTE算法（LDBSMOTE）。首先，根据样......
密度峰值聚类（DPC）算法是一种基于密度的聚类算法。该算法原理简单、运行高效，可以找到任意非球形类簇。但是该算法存在一些缺陷：首先，......
密度峰值聚类算法的局部密度定义未考虑密度分布不均数据类簇间的样本密度差异影响,易导致误选类簇中心;其分配策略依据欧氏距离通......
基于图卷积神经网络的半监督图分析（GCN）方法已取得成功。然而,该方法忽略了图中节点的某些局部信息,说明GCN数据预处理不够完善,训......
齿轮是制造业中广泛使用的基础性零部件,其齿面的形状误差是齿轮性能的重要评价指标之一,对传动性能和使用寿命有着重要的影响,实......
将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。聚类算法是一种高效的无监督学习方法,被广泛应用于许多......
大数据时代,数据的收集、存储、传输和处理能力正在飞速提升,机器学习正是处理数据时,不可或缺的核心技术.多示例学习是一种重要的......
离群点检测是数据挖掘和数据管理领域中一个非常重要的研究问题，其主要目标是从复杂数据环境中快速准确地检测出数据中不符合正常（期......
支持向量回归(Support Vector Regression,SVR)是模式识别领域一种重要的学习方法，旨在拟合目标数据。因其具有稀疏性，全局最优性且......
离群点识别和聚类分析是数据挖掘研究的重要方面,基于离群点分析的各种数据挖掘算法的研究已经成为研究热门方向。但是目前大多数......
伴随着我国互联网行业的高速发展,电脑、手机等电子设备的数量急剧增加,这种情形下,数据线作为各种电子设备充电的载体,其大规模生......
近邻传播聚类算法(Affinity Propagation,AP)是近年出现的无监督聚类算法,但实际应用中存在两点不足:(1)AP算法默认将所有的数据样......
基于快速搜索和发现密度峰值的聚类算法(简称基于密度峰值的聚类算法)是近年最热门的聚类算法之一。由于其具有可快速找到聚类中心......
现实世界中存在许多不同类型的复杂网络,它们都蕴含着各自内在的社团结构。社团检测算法可帮助我们发现复杂网络的内在结构与拓扑......
随着计算机技术和通信技术地不断发展,各行各业中积累的数据量正在日益增长,数据挖掘作为一种能从大规模数据中发现隐含知识的技术......
现在的我们生活在数据时代,数据已经处在我们身边的每一处,且以爆炸式的的方式在增长,甚至已无法计算,那么如何从这么多数据中获取......
[目的]基于局部密度的LOF算法时间复杂度高,且容易将处于簇边缘的正常对象误判成异常对象,INFLO算法引进反向k-近邻解决LOF算法这......
针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局......
针对现有单类分类器对目标数据先验信息考虑的不足,在结构单类支持向量机(structured one-class supportvector machine,SOCSVM)中......
传统的基于地标点的大规模加速谱聚类算法易受分布不均匀地标点和离群地标点影响。K-means等采样方法在面对大规模数据时,时间空间......
研究城市公共设施的热点分布,对把握当前城市发展现状具有重要意义。针对传统算法的相关研究存在参数设定受人为因素影响较大的问......
粗糙K-Means及其衍生算法在处理边界区域不确定信息时,其边界区域中的数据对象因与各类簇中心点的距离相差较小,导致难以依据距离......
为提高小样本条件下航空电子设备模块级故障诊断精度,基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning......
在近邻算法中,近邻样本和目标样本之间的绝对距离和相似性为目标样本类别的判断提供重要的决策依据,K值的大小也会直接决定了近邻......
针对密度峰值聚类算法(Density Peaks Clustering,DPC)需要人为指定截断距离d c,以及局部密度定义简单和一步分配策略导致算法在复......
为了使基于网格的聚类技术适用于多密度数据集,提出一种基于局部密度的聚类算法。算法提出将数据单元格密度分类的方法,使得具有不......
锈赤扁谷盗是第二食性害虫，其成虫和幼虫均能危害破碎和损伤的禾谷类、油料及粉类。粮仓发生该害虫时，其局部密度往往相当大（在100头／k......
DP(Clustering by Fast Search and Find of Density Peaks)是一种新提出的基于局部密度和距离的聚类算法,具有能够发现任意形状的......
离群点检测问题是数据挖掘领域的研究热点之一。现有的检测算法主要应用于离群点位于初始属性子空间或底层子空间各种线性组合等情......
针对多维定标算法在计算最短路径时的误差问题，提出了一种根据节点局部蜜度对网络连通图中的边进行赋值的新算法。该算法在仅知邻居......
近年来,中华鳖人工池塘养殖由于放养品种单一,局部密度高、水域生态环境变差等原因,导致池塘生态鳖病害增多,品质有所下降,市场价......
经典KNN算法和以住的基于密度的改进KNN算法都缺乏对训练样本数据分布的有效性描述，因此会间接影响到分类结果。提出一种基于测试样......
在高光谱异常检测的基于背景的估计的研究中，背景中存在的异常像元会对背景估计的准确性产生不利影响，通过获得一个不包含异常目标的......
ISOMAP算法能否被成功运用，很大程度上依赖于邻域大小的选取是否合适．然而，如何有效地选取合适的邻域大小，目前还是一个尚未解决的难题......
传统根据K-近邻图计算测地距离的方法，虽然能够发现流形分布数据间的相似关系，但是当不同类的点存在粘连关系时，依此计算相似度时不能......
针对密度峰值聚类算法（DPC）在处理维数较高、含噪声及结构复杂数据集时聚类性能不佳问题，提出一种结合K近邻的改进密度峰值聚类算法（ID......
优化初始聚类中心选择后可以较好提高K-means算法稳定性、准确率与速度。为此,根据样本空间分布的聚合与分隔特点,考虑所有数据点......
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......
对复杂流形结构数据集进行聚类的难点是难以度量复杂流形结构的相似度并确定聚类中心个数。为解决这一难题,提出一种基于流形距离......
非稀疏性是最小二乘支持向量机（Least squares support vector machine,LS-SVM）的主要不足,因此稀疏化是LS-SVM研究的重要内容.在目......
针对不平衡数据集数据分布不均匀及边界模糊的特点,提出基于局部密度改进的SVM（NLDSVM）不平衡数据集分类算法。该算法先用层次k近邻......
社团划分是研究复杂网络结构与功能之间关系的基础,提出了一种基于局部稠密度的社团划分算法。算法首先计算网络中节点的局域密度,......
