论文研究一种用于微博聚类的Kmeans改进算法 .pdf

K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似

对k-means聚类算法进行了改进，改变了原始随机选取样本点的缺点。

KMEANS算法为非监督分类算法，比较基础

KMEANS 聚类算法，很不错的源代码！

在信息处理研究领域,现有的大多数聚类算法都需要人为地给出一些参数.然而,在没有先验知识的情况下,人为地确定这些参数是十分困难的,而且现有的聚类算法的时空效率也有待于进一步提高.为了解决这一难题,首先根

针对目前调色板信息隐藏方法的弱点,结合聚类分析技术,提出了一种新的基于调色板聚类的信息隐藏算法ClusterStego。根据定义的相似性测度和聚类准则函数,通过对由调色板形成的RGB空间进行合理聚类来

结合传统的Parzen窗方法并引入一种更加合理的历史数据丢弃策略，在此基础上，通过计算可以得到整个数据集在低维空间投影的信息熵，利用信息熵实现了一种适用于高维数据流的子空间聚类算法（PStream）。

针对BFSN算法需要人工输入参数r和[λ]的缺陷，提出了一种自适应确定r和[λ]的SA-BFSN聚类方法。该方法通过InverseGaussian拟合判断r参数，通过分析噪声点数量的分布特征选择合适的

一种基于模糊聚类的数据关联新算法，李良群，易正龙，针对杂波环境下多目标跟踪中的数据关联滤波问题，提出了一种新的直觉模糊联合概率数据关联滤波方法。与传统的联合概率数据关联滤

一种基于密度峰值聚类的社区发现算法，白亮，赵越，社区发现是网络数据挖掘的一个重要研究内容，被用于探索复杂网络中潜在的类结构。针对网络数据，本文对一种密度峰值聚类算法