论文研究一种基于层次聚类的复杂网络社区划分算法 .pdf

特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下，定义了一种特征平均相关度的度量方法，并在此基础上提出了一种基于特征聚类的特征选择方法FSFC。该方法利用聚类算法在不同子

影响力最大化问题是社会网络中的重要研究方向，其主要目的是获取社会网络中最有影响力的用户使通过这些用户获得影响传播范围的最大化。随着大数据时代的来临，传统的贪心算法因为复杂度高而不能有效解决大规模社会网

为提高应用层组播生成树的稳定性和效率, 提出一种基于多维节点属性层次聚类应用层组播生成树算法。针对应用多维属性定义节点稳定性存在的困难, 算法根据节点多维属性计算稳定性相似度, 按相似度阈值进行层次聚

基于划分的聚类算法，

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

减量构造Voronoi划分（DCVT）是利用已有的Voronoi划分，局部重构删除节点后的Voronoi划分。详细分析删除一个节点对其他节点的Voronoi区域的影响，将DCVT的主要工作简化为求解一

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

为了解决相交网格划分技术中聚类结果对数据输入顺序的依赖性和聚类结果精度不高的问题，提出了一种基于相交划分的动态网格聚类算法(DGBO)。该算法利用相交网格划分技术和移动网格技术来解决上述问题，通过连接

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