CFSFDP(ClusteringbyFastSearchandFindofDensityPeaks)是一种新的基于密度的聚类算法。该算法可以对非球形分布的数据聚类,有待调节参数少、聚类速度快等优点。
图像存在遮挡、尺度缩放、多干扰时,传统加速鲁棒特征(SURF)算法会产生错误匹配问题,提出一种基于匹配角度聚类的匹配算法。算法先提取SURF特征点,利用特征点的主方向信息进行图像角度矫正,再统计并聚类
提出了一种改进的基于对称点距离的蚂蚁聚类算法。该算法不再采用Euclidean距离来计算类内对象的相似性,而是使用新的对称点距离来计算相似性,在处理带有对称性质的数据集时,可以有效地识别给定数据集的聚
本论文是Clique聚类算法的经典论文,详细介绍了算法的基本原理,算法步骤,相关算法等,是进行Clique算法研究的很好的参考资料
论文《聚类算法研究》,和大家分享~~~~
资源发现是整个网格系统的热点研究问题。结合P2P技术提出了一种基于资源区域的网格资源发现的新方法,按照资源的类型将网格资源划分为多个区域,具有相同类型资源的网格信息节点组织在同一区域中,各区域由一个域
基于划分的聚类算法,
分析论文Clusteringbyfastsearchandfindofdensitypeaksd,整理局部密度的聚类分析方法,对故障检测方向的学者提供帮助,重点分析该算法的有效性,如何用密度实现数据的
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
针对网格资源匹配过程逐渐复杂化, 以语义相似度查找机制为基础, 提出了一种基于非对称资源属性描述的网格资源匹配算法BARM。BARM利用两次匹配对匹配过程加以边界约束, 通过调整权重和阈值控制匹配结果