基于密度网格的数据流聚类算法

针对套用传统的聚类方法对数据流的聚类是行不通的这一问题,提出一种以遗传模拟退火算法为基础的模糊C均值聚类算法(SAGA_FCM)对数据流进行聚类。SAGA_FCM算法有效地避免了传统的模糊C均值聚类算

本文提出一种新的基于DBSCAN的结构相似性聚类算法，其可以用来发现非规则的，任意形状的聚类类型。同时，针对XML文档集所具备的“结构嵌套”的特性进行研究，本文还提出了一种新的XML分层语义聚类方法，

相似文本标定是抄袭检测的一个重要环节,现有标定方法大多采用直接对文本或指纹进行合井的方式,标定精度受干扰信息影响较大。针对这种局限性,分析了匹配指纹对的语义特征,提出基于斜率密度的相似文本聚类方法,将

DeBaCl, 基于密度的聚类( DeBaCl ) DeBaCl: 基于密度的聚类 DeBaCl是一个基于密度的python 库,带有级别的树 。水平集树是表示概率密度函数拓扑的一种统计方法。 这里表

提出一种基于衰减窗口的实时数据流聚类算法PDStream。算法首先对数据空间进行网格划分，采用改进的维度树结构维护和更新数据流的摘要信息，设计了一种周期性剪枝策略，周期性地剪去维度树中的稀疏网格，最后

结合煤矿的现场实际情况和大数据中流计算框架,提出了基于Spark streaming的煤矿实时数据应用的流计算框架。该计算框架可以高效、快速处理来自于监测监控系统的不同系统、不同接口、不同传输速率的要

基于密度-距离的t混合模型流式数据聚类.pdf,传统流式数据采用人工设门法分析，效率低下且依赖于专家。近几年，很多自动流式数据聚类算法纷纷被提出，然而针对数据量不多且分布稀疏的小样本类群始终没有很好的

针对传统聚类算法对流数据进行聚类时面临时间复杂度高、存储空间需求大以及准确度较低的问题，提出一种基于差异性采样的流数据聚类算法。首先利用差异性采样法对流数据进行采样并用样本点构造核矩阵，然后利用核模糊

针对流数据聚类处理中数据采集的有效性问题，提出了一种基于变尺度滑动窗口的流数据聚类算法。该算法采用动态变化的滑动窗口来采集流数据，以及带有平均时间戳与平均权值的混合指数直方图来支持数据处理，从而能更好

前阶段在做关于聚类的问题研究，发了篇文章，随附matlab代码。 该程序是基于邻域网格划分实现的聚类。版权原因，该程序内没有附带相应文章，大家可以根据代码内给定的标题和DOI号自行谷歌下载。 如果希望