聚类有效性指标相关论文
信息科技进步催生了数据挖掘技术,聚类分析是数据挖掘中一项关键技术。聚类分析是一种无监督学习的技术,旨在不利用外部先验信息实......
聚类分析能够充分挖掘无标记样本的内部特征,在未知数据标签和数据分类个数的情况下,自主地将数据集中的数据划分为若干子集,是一......
数据聚类就是将一个数据集中的数据按照某种条件聚成若干个簇,使得簇中的数据相似性较高,而簇间的数据则相异性较高的过程。聚类分......
聚类分析在许多科学领域发挥着重要作用,聚类算法和聚类验证是聚类分析的两个基本要素。在聚类分析之前,聚簇的数量是聚类算法的基......
针对已有的无线入侵检测方法训练时间长和检测精度低的问题,提出一种基于调整后的BIRCH——MBIRCH算法的无线Mesh网络入侵检测算法......
针对无监督结构故障检测与分类问题，提出了一种基于资源受限人工免疫算法的故障检测与分类方法．该算法将无标签样本数据作为抗体组成......
随着智能电网建设的深入，许多智能仪表被接入电网以获取用户的实时负荷数据。由于用户数量众多，单独对个体进行数据处理和分析是不现......
为估计数据集的聚类数目及获得较好的聚类性能,提出了一种基于灰关联测度的分裂式层次聚类算法.该算法用灰关联测度衡量数据对象之......
为了更有效地确定数据集的最佳聚类数，提出一种新的确定数据集最佳聚类数的算法。该算法借签层次聚类的思想，一次性地生成所有可能的......
针对传统GK聚类算法无法自动确定聚类数和对初始聚类中心比较敏感的缺陷,提出一种改进的GK聚类算法。该算法首先通过基于类间分离......
确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的......
针对K-means聚类算法通常无法事先设定聚类数,而人为设定初始聚类数目容易导致聚类结果不够稳定的问题,提出一种新的高效率的K-mea......
作为无监督学习方法的一种,聚类分析是从无标记数据集中获取信息和知识的重要手段,是数据挖掘、统计学、模式识别等领域的重要研究......
过去几十年,研究者们提出了大量适用于硬聚类的聚类有效性指标。然而,现有的聚类评价方法会受到各种数据特征的影响。例如,带有噪......
聚类分析是一种无监督的机器学习技术,是从无标记数据集中获取信息和知识的重要手段,目前已经被广泛应用于客户推荐、模式分割、视......
作为物流系统重要的中心枢纽,配送中心选址问题决定着整个企业运输系统的流畅性、经济性、有序性;对于零售企业来说,科学合理的选......
确定数据集的最佳聚类数是聚类研究中的一个重要难题。为了更有效地确定数据集的最佳聚类数，该文提出了通过改进K-means算法并结合......
聚类有效性指标用于评价聚类质量和确定最佳聚类数，针对包含大小和密度差异性较大数据类的数据集，在分析了传统模糊聚类有效性指标不......
在室内覆盖的大量的WiFi信号可以用来室内定位。尽管很多WiFi室内定位技术被提出,但其定位精度仍然未达到实际应用的需求。针对这......
大脑通过神经元动作电位即锋电位进行信号的传递、交流和处理,对神经锋电位活动的记录检测是神经科学研究的前提。神经锋电位信号......
由于真实数据环境复杂,越来越多的数据分析采用集成的方法来完成,以解决单一方法无法完成的任务。因此,将多种理论相互融合,构造合......
聚类分析作为一种无监督学习方法,是获取数据信息的重要工具,它被广泛的应用在数据挖掘、模式识别、图像处理、机器学习和其他各个......
对用电大数据进行快速、准确、高效的挖掘,是得到用户负荷模式不可或缺的基础工作。首先分析了用电数据的分布特点,利用统计学中四......
模糊聚类是模式识别、机器学习和图像处理等领域的重要研究内容。模糊C-均值聚类算法是最常用的模糊聚类实现算法，该算法需要预先给......
有效的波段选择方法可提高高光谱图像处理的速度和处理效果。为了进一步提升前向搜索的最小噪声波段选择算法的效率，提出了一种基于......
近年来,由于互联网数据大规模增长而导致文本数据的高维稀疏性,为文本分类技术发展带来了严峻的挑战。因此,为应对爆炸式数据增长......
在数据挖掘领域,聚类分析是对数据进行处理的重要工具,它在图像处理、电子商务、生物学、地理信息等领域有着广泛的应用。聚类隶属......
K-均值聚类算法是以确定的类数k和随机选定的初始聚类中心为前提对数据集进行聚类的。通常聚类数k事先无法确定,随机选定的初始聚......
聚类是模式识别、机器学习和图像处理等领域的重要研究内容。聚类分析已经成为聚类领域的研究热点,受到了国内外学者的广泛关注。......
聚类是一个无监督学习过程,因此确定最佳聚类数是一项困难的工作.聚类有效性研究是通过建立聚类有效性指标,评价聚类质量并确定最......
K-means聚类算法是以确定的类数k为前提对数据集进行聚类的,通常聚类数事先无法确定。从样本几何结构的角度设计了一种新的聚类有......
城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小......
针对传统的聚类算法对数据集反复聚类,且在大型数据集上计算效率欠佳的问题,提出一种基于层次划分的最佳聚类数和初始聚类中心确定......
在聚类分析中,决定聚类质量的关键是确定最佳聚类数。提出采用聚类效果较好的近邻传播聚类算法对样本进行聚类,运用6种聚类有效性......
在传统确定数据集聚类数算法原理的基础上，提出一种新的算法-MHC算法。该算法采用自底向上的策略生成不同层次的数据集划分，计算每个......
