基于聚类的地区治安分类研究

基于扩展Jaccard系数的Java程序聚类研究

基于密度的最小生成树聚类算法,将最小生成树理论与基于密度的方法相结合,不仅体现了基于密度聚类方法的优点,而且聚类结果不依赖于用户参数的选择,聚类结果更合理,特别是对大数据集,算法非常有效。因此,本文在

针对大样本支持向量机内存开销大、训练速度慢的缺点，本文提出了基于聚类支持向量机，运用k-mean对样 本聚类，压缩样本量，构造初始超平面，筛选出靠近超平面的支持粪和可能支持向量，重新构造决策超平面。实

图像分割:利用图像的灰度、颜色、纹理、形状等特征,把图像分成若干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出

针对K-Modes算法的不足,提出了一种基于信任值的分类属性聚类算法TrustCCluster,该算法不需预先给定聚类个数,聚类结果稳定且不依赖于初始值的选取。在真实数据上验证了TrustCClust

提出一种基于谱聚类欠取样的不均衡数据SVM分类算法。该算法首先在核空间中对多数类样本进行谱聚类,然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点,最终实现训练样本间的

Classification, Regression and Clustering Based on Car Evaluation Data Set in UCI

基于 C 均值聚类和图转导的半监督分类算法

为了增强高光谱遥感图像的分类效果, 提出基于谱聚类和稀疏表示的两级分类算法。利用谱聚类将待分类的像元及其邻域内所有的像元分成两类, 利用联合稀疏表示模型确定按规则选取的其中一类的具体类别, 并以该类别

基于常用聚类算法及聚类融合算法进行了研究。首先阐述了数据挖掘领域的常用聚类算法及特点,接下来对近年来聚类融合的方法和研究现状进行了综述,并对如何产生高效的聚类成员和共识函数如何构建才能产生高效的聚类融