针对传统BA(蝙蝠)算法易被局部极值吸引、发生过早收敛等问题,将莱维飞行搜索策略引入传统BA算法对蝙蝠的位置和速度更新方式进行改进,从而提高算法的全局搜索能力；通过引入非线性惯性权重平衡算法的全局和局
为了提高分布式计算机环境中负载均衡的效率,提出一种基于启动者动态改变和阈值自适应的高效动态负载均衡策略。该策略根据分布式环境中各计算机的负载状态以及接受者启动策略和发送者启动策略的优缺点,动态改变负载
CABPM:基于模式匹配的聚类算法,方应飞,,本文通过研究一种快速前向模式匹配算法Rete算法,从一个新的角度重新分析设计了聚类算法-基于模式匹配的聚类算法( A Clustering Algori
基于聚类算法的Web日志挖掘,徐翔,谢东亮,随着互联网的迅速发展,WWW网站中的日志信息现已呈现出爆炸式增长趋势。为了能充分挖掘Web日志中潜在的有效信息,本文提出一种Web日
模糊C均值算法(FuzzyC-Means,FCM)是目前应用比较广泛的一种聚类算法。FCM算法的聚类质量依赖于初始聚类中心的选择并且易陷入局部极值,结合混合蛙跳算法(ShuffledFrogLeapi
首先总结了链接挖掘中基于属性—链接聚类算法的研究现状；然后把它大体分为三类,对每一类中具有代表性的算法进行了详细介绍、分析和评价；最后指出了该领域进一步的研究方向。
由于现有的Web日志缺少明显语义,提出一种语义Web日志模型——SWLM,并给出基于该模型的网页和用户聚类算法。通过日志概念的语义距离定量计算来聚类网页和用户,奠定了Web个性化服务的基础。性能测试实
聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状,分析比较了它们的性能差异和各自存在的优点及问题,并结合多媒体领域的应用需求指出了其今后的发展趋势。
为了提高传统CURE(clusteringusingrepresentatives)聚类算法的质量,引入信息熵对其进行改进。该算法使用K-means算法对样本数据集进行预聚类；采用基于信息熵的相似性度
针对K-means算法处理海量数据存在严重的内存不足,提出利用MapReduce并行化K-means,但是普通的K均值存在收敛速度慢、易陷入局部最优和对初始聚类中心的选取等局限性,因此选择了经ACO改
