论文研究HDSNN— 基于节点优先级的聚类算法 .pdf

多阶段服务模型是一种支持高并发、高吞吐的事件驱动服务应用架构，为使其更好地适应当前Internet上大部分应用提供区分等级服务的现状，提出了一种为该模型增加对带优先级请求支持的方法;定义了动态优先级，

Kmeans聚类算法改进研究，李森林，蒋启明，Kmeans是一种聚类算法，可以完成对无标签数据的聚集，在模式识别，数据挖掘等领域有着广泛的应用。针对高维度数据聚类效果差、准确

针对标题文本聚类中的聚类结果不稳定问题，提出一种基于聚类融合的标题文本聚类方法。该方法对标题文本的特征词进行筛选，将标题文本转化为特征词集合；提出基于统计和语义的相似度计算方法，计算特征词集合间的相似

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型HVS和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间

介绍了一种基于有限缓存的输入队列交换机的集成调度和缓存管理策略（ISMM），该方案在吞吐量和平均延迟两项性能指标上有了很大改善。以前的许多关于输入队列交换机的调度方案都是在无限缓存的前提下完成的，但实

在软件开发过程中，回归测试是一项重要而复杂耗时的工作。测试用例排序技术作为提高测试效率的一种有效手段，是近年的研究热点之一。测试用例排序技术根据测试目标对测试用例进行排序，使得最优的测试用例能够优先执

传统的文献聚类算法根据分析文献关键词进行，忽视了文献之间的引用关系，导致了主题漂移和搜索精度不高的问题。针对引文网络中的聚类问题，受到优先情节和增长定律的启发，提出了一种基于角色划分的分层次的文献软聚

针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并

针对经典谱聚类算法无法自适应确定聚类数目，以及在处理大数据量的聚类问题时效率不高的问题，提出了一种基于密度峰值优化的谱聚类算法。该方法首先计算数据对象的局部密度，以及每个数据对象与其他数据对象的最小距

为了更有效地解决网格资源的搜索和定位问题，提出一种以P2P形式实现的、基于兴趣聚类的非集中式网格资源发现算法。算法采用被动学习方式，通过用户的访问历史抽取节点的兴趣属性，将节点按照兴趣属性划分为多个簇