层次聚类方法的CURE算法研究

【摘要】：随着网格技术和数据挖掘技术的成熟,基于网格的数据挖掘应用越来越广泛。简要的介绍网格和数据挖掘的基础知识,并结合局域网中个人计算机的特点,分析由个人计算机组建的网格环境下的数据挖掘过程,并给出

简单，易懂的程序说明能更好的了解cure聚类算法

本资料详细介绍了kohonen网络的聚类算法及其在网络入侵聚类方面的应用。该算法是一种自组织神经网络，通过在无监督学习中对输入数据进行聚类，可以有效地发现网络中的异常行为和入侵威胁。本资料提供了详细的

利用模糊聚类理论及汉字的属性特征，提出了一种针对中文文本文档的盲水印算法。根据人类视觉系统的特点，将汉字按照汉字结构类型、汉字笔画数和使用频率进行分类，选择其中汉字笔画数较少、使用频率较高的类别进行水

k均值算法初始聚类中心选取方法的研究，郑丹，，对k均值算法进行研究，针对k均值算法在初始聚类中心选取及聚类结果受噪声影响大的缺点，提出改进的k均值初始聚类算法。改进之处是

针对模糊c-均值(FCM)聚类算法受初始聚类中心影响,易陷入局部最优,以及算法对孤立点数据敏感的问题,提出了解决方案:采用快速减法聚类算法初始化聚类中心,为每个样本点赋予一个定量的权值,用来区分不同的

基于层次聚类的多维数据分析算法，凝聚层次算法:初始阶段，将每个样本点分别当做其类簇，然后合并这些原子类簇直至达到预期的类簇数或者其他终止条件。传统的凝聚层次聚类算法有AGENES，初始时，AGENES

模式识别课程设计，实现了采用层次聚类法的聚类分析，有源码和仿真结果。

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