基于网格方法的聚类算法研究

基于近邻点集的聚类算法研究，陈新泉，，针对有限区域内分布的稀疏不均的、具有一定分布结构的海量数据点集，本文提出了一种通过采用一些合适的数据结构及算法优化技巧来

分析了目前基于目标函数聚类算法的不足，面对形状复杂且非重叠的样本聚类问题，定义了最邻近距离和生长树的概念。随机选取生长树初始种子点，以最邻近距离作为生长树生长的方向和样本划分依据，以最终生长树大小为聚

基于并行模糊蚂蚁的聚类算法研究，冯周，张扬，本文提出了一种基于并行模糊蚂蚁的数据聚类算法。该算法使用蚂蚁群体优化原理及基于IF-THEN规则的Mamdani模糊推理系统找到优化的数据�

介绍了基于内容图像检索的系统结构、特征提取等内容，并将数据挖掘的聚类算法与之结合，对各种聚类算法进行了总结，最后提出了一些未来的发展方向。

基于Spark框架的K-means聚类算法研究，皇秋曼，周锋，随着互联网时代的发展，如何从海量数据中挖掘出有用的信息是一个重要的课题。Spark是适用于大数据的高可靠性，高性能分布式并行计�

针对复杂过程的参量聚类问题，提出一种基于粒子群优化算法的聚类方法，阐述了聚类算法的基本思路。通过对过程煅烧温度和煅烧转速二维数据的聚类仿真研究，证明该算法在类似过程参量聚类中的实用性能。对粒子群优化算

 针对数据分析技术在电网工程数据测算分析领域的应用问题,文中分析了电网工程的技术特征,采用层次分析法(AHP)构建了电网工程的技术参数体系,并进一步提出了基于层次凝聚聚类(HAC)与

基于模糊聚类的彩色图像分割方法的研究

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

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