聚类融合相关论文
感应加热炉是一个复杂的非线性大滞后系统,很难建立一个精确的数学模型,用常规的控制方法难以得到满意的效果,而且人工调试比较困......
图像分割是计算机视觉的基本问题之一,对图像进行分割的目的是将目标从背景之中提取出来,使得后续算法更专注于目标物体,从而提高......
无论在现实生活还是网络世界都存在着大量的数据，但是数据不代表信息和知识，因此获取有用数据的数据挖掘技术应运而生。分类是数据挖......
时间序列(Tune Series)是数据挖掘领域中的一类重要数据对象，时间序列分类是时间序列数据挖掘中的重要任务之一.不同于时间序列分析......
作为统计学的一个分支，聚类分析技术已经被广泛地应用了许多年。使用聚类分析，可以将隐含在未知数据中的若干个类别划分出来，从而为用......
生物医学研究是二十一世纪最受关注的研究领域之一,该领域发表了大量的研究论文,已经达到年平均几十万篇以上。如何在如此规模庞大......
生物信息学是由生物学、应用数学、计算机科学相互交叉所形成的学科,而数据挖掘作为一个崭新的计算机应用领域在生物信息学中有着......
数据聚类是数据挖掘中的一个重要分支,目前已有的数据聚类算法大部分局限于处理只具有连续属性的数据,另外有少量的算法局限于处理......
随着社会信息化的发展,人类现在以及未来都面临着信息爆炸的问题,对于数据的分析和处理正变得日益困难。在此背景下,聚类分析技术......
聚类分析是数据挖掘的一个重要研究领域,已被广泛应用于统计学、生物学和市场营销等领域。目前学者已经提出了许多聚类算法。然而......
组合分类方法己被证明是非常普遍和有效地、能够改进学习精确度的监督方法。依据同样的原理,聚类融合的目的是融合来自多个划分的......
机器学习和大部分的人工智能算法都离不开各种数据集,因此数据标注的需求也急剧增加。完全手动标注数据需要耗费大量的人力和时间,......
近年来,机器学习作为人工智能的重要一部分,越来越被人们熟知。面对庞大的数据量,人工进行数据处理、数据分析已经极不现实,采用机......
聚类分析是模式识别、机器学习等研究领域中的一个备受关注的课题,在许多领域发挥着至关重要的作用,如信息检索与分类、市场营销以......
当前,机器学习相关技术已经在各个行业中实现了应用,数据的规模和复杂程度随着新时代互联网的急速发展而不断增长,对于数据的高效......
随着科学技术的发展,我国正处在医疗数据信息化的高速发展阶段。医疗数据的指数式增长及医疗平台的发展,使得医疗数据的获取日益便......
随着互联网高端技术的创新与发展,大量的社交网站和内容共享平台不断涌现。用户可以利用这些社交网站和内容共享平台建立自己的社......
伴随着数据采集、数据存储等技术的不断进步，各个行业的数据呈现出爆炸式增长。同时，数据的类型也呈现出多样化发展，其中不平衡数据就......
文中旨在克服传统汽包水位故障诊断方法中存在的弊端,将基于RBF网络的信息融合技术应用于水位传感器的故障诊断,通过构建高精度RBF......
在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊......
在当前信息化的年代里,文本数据在高速的增长,人们获取有用的信息犹如大海捞针.文本聚类作为文本挖掘的基础技术,发挥了很重要的作......
在分类算法和回归模型中,正广泛而且成功地使用着融合方法,该方法能克服分类、回归中的不稳定性,并给出较好的结果.在非监督机器学......
在聚类过程中利用先验信息能显著提高聚类算法的性能,但已存在的聚类融合算法很少考虑到数据集的先验信息。基于先验信息和谱分析,......
为了解决单一聚类算法存在结果不准确和随机性大,且现有算法对分类数据聚类时将其转换成数值型会产生误差等问题,提出了一种面向分......
针对稀疏子空间聚类(sparse subspace clustering,SSC)和低秩子空间聚类(low rank subspace clustering,LRSC)这两种子空间聚类方......
聚类融合是聚类分析领域的一个研究热点,它将针对同一问题产生的多个聚类成员（即聚类结果）融合成一个结果,以提高聚类算法的鲁棒性和......
如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别......
聚类融合是数据挖掘研究的一个热点。当前相关研究大多没有考虑进行融合的聚类成员的质量，因此较差的成员和噪声会对融合结果产生不......
研究在高维数据中如何产生聚类成员,并提出一种新的构造聚类成员的方法。为解决高维数据的维度对构造成员带来的影响,新的构造方法......
提出基于随机初始化、参数扰动和特征子集映射的多扰动的局部自适应软子空间聚类（I。AC）融合算法（MLACE）。MLACE具有以下特点：（i）多扰动融......
随着互联网的飞速发展，网络安全的问题日趋严重，传统的网络安全技术已难以应对日益繁多的网络攻击。因此入侵检测便应运而生了，而且其......
时间序列的维数比较大,直接对时间序列进行聚类性能不理想。如何提高时间序列的聚类性能,是主要研究点。首先使用邻域保持嵌入对时......
网格聚类以网格为单位学习聚簇,速度快、效率高。但它过于依赖密度阈值的选择,并且构造的每个聚簇边界呈锯齿状,不能很好地识别平......
为了满足大型共享自行车系统（BSS）快速响应调度的需求并降低调度成本,针对目前缺少调度区域合理划分研究的问题,提出BSS调度基于分形......
随着汽车电子技术的突飞猛进,汽车内部结构及相互通信关系越发复杂化,同时用户对汽车故障诊断的及时性和准确性要求也越来越高,这......
为解决重叠社交网络划分过程中涉及群体内容私密性的问题,提出一种基于聚类和最小生成树的社交网络划分方法。该方法首先以社交网......
DBSCAN高密度聚类是数据挖掘中聚类算法里常用的一种分析方法，它能找出样本比较密集的部分并概括出样本相对比较集中的类。本文通过......
针对轨迹聚类结果的不可靠性,提出一种基于多聚类结果融合的轨迹聚类方法MRMTC.对于多聚类器产生的多个聚类代表轨迹,提出了轨迹合......
当前的聚类融合算法大多不考虑进行融合的成员的质量，当聚类成员存在聚类质量差或者有噪声干扰时，融合结果将受到影响。本文提出了一......
传统的聚类融合方法通过融合所有成员实现融合，无法彻底消除劣质聚类成员对融合质量的影响，而从聚类成员的选择和加权两方面进行聚类......
针对标题文本聚类中的聚类结果不稳定问题,提出一种基于聚类融合的标题文本聚类方法。该方法对标题文本的特征词进行筛选,将标题文......
传统的聚类算法不适用于处理海量和高维数据。针对云计算环境下,利用集群系统的并行计算能力,实现海量数据的聚类问题,给出了云计......
将多传感器的数据进行融合以实现两次聚类融合控制,使火灾报警器做出了准确及时的报警,减少了误报漏报几率。......
聚类是发现数据分布和隐含模式的一项重要技术，但单一的聚类算法很难达到预期的效果．基于四种聚类算法，根据算法准确率，利用层次分析法......
针对飞机蒙皮缺陷检查中多铆钉线的识别问题,基于Fisher压缩准则提出一种聚类融合识别算法。对采用Canny算子提取的铆钉边缘进行形......
由于缺少数据分布、参数和数据类别标记的先验信息,部分基聚类的正确性无法保证,进而影响聚类融合的性能;而且不同基聚类决策对于......
混合属性聚类是近年来的研究热点,对于混合属性数据的聚类算法要求处理好数值属性以及分类属性,而现存许多算法没有很好得平衡两种......
现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策......
列举了有关基于聚类融合的不平衡数据分类的办法,可以解决少数类的识别率很低,利用传统分类手段予以解决.利用此种方法能够发现,引......
