基于云计算的并行聚类算法研究

引入遗传算法试图解决海量、高维样本的聚类问题。分析了目前基于样本和属性值两类基于遗传算法的聚类算法的不足，归纳出它们的算法模型。针对多维快速聚类问题提出了密度法、网格法两种基于遗传算法的聚类算法。算法

给出各类复杂网络聚类算法研究，用于聚类问题的分析

【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于

层次聚类算法研究 综述层次聚类算法,并比较其应用的优点与缺点

本算法是vc6.0下实现的几种聚类算法，作为大家编程研究有一定帮助，其中isodata算法还有待改善，实现不是很完整

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行

自己编写的粒子群(PSO)算法优化Kmeans聚类的MATLAB代码，MATLAB6.5/7.1测试通过，其它版本没测试。

基于纹理的图像聚类主要分为纹理特征提取和聚类两个阶段。

文本聚类是文本挖掘的一项重要技术，可广泛应用于文本挖掘与信息检索等方面，在大规模文本集的组织与浏览、文本集层次归类的自动生成等方面都具有重要的应用价值。但是，传统的文本聚类算法忽略了文本中单词之间的语

基于K-means聚类算法的客户价值分析研究