论文研究基于高密度最小距离选择初始聚类中心的改进Kmeans算法 .pdf

为了解决原始K-means算法随机选取聚类中心对聚类结果产生较大影响的不足和孤立点的存在对聚类精度的破坏,以及两者之间的相互牵制性,采用基于2d-距离的DKC值来对原始样本数据集进行预处理以分辨孤立点

非正交多重调制（Non-orthogonalModulationTechnique，NMT）是一种突破了正交限制的全新的调制方法，为了验证NMT的可行性，又为现在广泛采用的有线带宽接入方式ADSL和V

针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集等问题，提出了一种贪心的DBSCAN改进算法（greedy DBSCAN）。算法仅需输入一个参数MinPts，采用贪心策略自适应地寻

针对传统模糊C均值聚类算法和基于K-means优化聚类中心的模糊C均值算法存在初始聚类中心敏感、聚类速度收敛慢、聚类算法需要人为给定聚类数目等缺陷，受密度峰值聚类算法（ClusteringbyFast

一种基于密度栅格的快速聚类算法，檀亚峰，刘勇，针对已有网格算法和密度算法存在的效率和质量问题，给出了一种结合栅格和密度的聚类算法，即基于密度和栅格的聚类算法DGBCA(densitya

基于网格和密度的数据流聚类算法，胡燕，李敏，本文改进了基于密度和网格的CLIQUE算法，并把它应用于数据流聚类中。通过新的摘要数据结构，网格不仅能记录数据流的统计信息，还能

针对DBSCAN算法需用户设置参数值、易产生挖掘结果偏差等不足，提出改进算法DBTC(density-basedtextclustering)，该算法不仅能够发现任意形状的簇，还有效地解决了基于密度的

针对传统[K]均值聚类算法中存在的聚类结果依赖于初始聚类中心及易陷入局部最优等问题，提出一种基于样本密度的全局优化[K]均值聚类算法（KMS-GOSD）。在迭代过程中，KMS-GOSD算法首先通过高斯

提出一种适用于去除高密度椒盐噪声的图像滤波算法，以进一步提高输出图像的峰值信噪比。利用直方图形状判定椒盐噪声的两种灰度值，用于噪声像素的检测与定位。对于非噪声像素，直接输出灰度值；对于噪声像素，沿其邻

针对软件可靠性选择主要依靠人的主观经验进行判断、缺乏客观性和准确性的问题，提出了一种基于改进的K-means聚类和粒子群优化(PSO)算法的软件可靠性模型选择方法。该方法采用多评价标准编码，选定一种新