摘要: 聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类, 提出 一种基于对象集上的相容关系的聚类算法, 该算法通过极大相容簇来对数据对象集进行分类, 使得同一对象可
研究R树特点,考虑了离群点对R树结点构造的影响,结合改进的k-medoids聚类算法提出了一种新的R树构造算法。与传统R树相比,新算法下构造的R树结点更加紧凑。通过实验证明,该优化算法构造的R树在查询
针对现有的Neural-Gas算法进行改进,提出了一种新的聚类算法。改进之处在于:一个点对一个簇的质心的影响程度取决于该点到其他更近的簇的质心的距离值,而不仅仅是点与簇质心间距离值按大小排列次序的序号
一种基于网格域的昆虫翅脉识别算法,邓耀宇,邓中亮,昆虫的自动识别是近几年来自动识别的新兴研究领域。本文提出了一种基于网格域的昆虫翅脉识别算法,通过两个样本间的特征量和网格
彩色印刷是一种利用黄、品红、青、黑四色油墨叠印产生彩色图像的技术,逆半调是将半色调图像转换成连续调图像的过程,主要应用在电子出版和印刷图像电子化方面。选取LAB颜色空间作为逆半调处理的颜色空间,选择三
为改进EMicro算法存在的不足提出了GDF-CUStreams算法。该算法采用网格特征向量存储数据的分布特征,通过更新网格特征向量合并成簇对不确定数据流聚类,对新数据点的到来采用增量聚类。通过网格密
针对现有的空间向量模型在进行文本表示时忽略词条的位置和词条间关系的问题,提出了一种基于相对密度的多耦合文本聚类算法。在基于相对密度的聚类方法基础上,该算法根据相对密度越小文本相似性越小这一事实,将相对
DBSCAN聚类算法使用固定的Eps和minPts,处理多密度的数据效果不理想,并且算法的时间复杂度为O(N2)。针对以上问题,提出一种基于区域划分的DBSCAN多密度聚类算法。算法利用网格相对密度差
为了解决传统的Otsu法均分像素点的缺点以及Kapur法易受干扰的不稳定性,分析了这两种算法理论上的联系并结合它们的各自优势,提出一种新的算法,实现两者在图像阈值选取上的一种均衡。实验结果表明,新算法
一种基于蚁群算法的故障聚类新方法,尹雪娇,逄玉俊,提出了一种新的基于蚁群算法的故障诊断的识别方法。该方法将故障诊断的识别问题转化为点的聚类问题,利用蚁群算法的种群寻优的启