数据挖掘中聚类算法比较研究

使用机器学习算法（聚类）对金融时间序列数据进行分析

对数据挖掘分类算法进行描述,如遗传算法,回归算法进行一些比较,可以较好的进行分析.

基于mapreduce的聚类算法研究，云计算环境下基于hadoopmapreduce编程模型下，聚类算法实现论文。

谱聚类能识别出在原空间中线性不可分的聚类,且其效果优于传统聚类算法。谱聚类要想获得好的效果必须选择一个合适的尺度参数,本文在传统谱聚类算法的基础上引入类似核选取的技巧,提出了一个能自动选取该尺度参数的

提出一种模拟电路故障的分布式诊断算法，用以解决大数据量故障样本集所带来的网络规模过大，训练时间过长等问题。该算法采用有监督Hebb学习规则，在训练学习过程中添加类别标识，避免了因数据分割而产生的部分知

摘要:对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知名的数据集,主要从

本文研究了一种改进的K-均值聚类算法，采用了基于中心点的优化方法，大大提高了聚类结果的准确性，尤其是在处理高维度数据时表现出了优越性。我们对该算法进行了实验验证，结果表明它在图像分析、金融数据分析等领

语义Web的高速发展使其具有动态性和异构性特征，解决语义信息的异构性问题成为实现信息集成的关键。本体作为一种语义Web的知识表示形式，增强了Web的语义信息。因此，为了解决语义异构性，实现数据间的互操

模糊聚类算法，这个算法在很多方面都有应该用，前景不错

聚类算法是一种在机器学习领域广泛应用的方法，它通过将数据集分成不同的群组来发现数据的内在结构。本文通过对不同聚类算法的研究进行综述和分析，总结了各种聚类算法的原理、优缺点以及在各个领域中的应用情况。同