传统的K-means算法随机选取初始聚类中心,聚类结果不稳定,容易陷入局部最优解。针对聚类中心的敏感性,提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进
社会网络中节点重要性的综合评估方法,郭晓莉,葛宏伟,为了有效发现社会网络中的重要节点,首先提出了用户排名的算法思想,在此基础上,提出了一种基于节点中心度、亲密度、关键度和用
针对复杂及带噪声的数据集的聚类问题,提出了一种基于局部密度的网格排序策略(GSS-LD),并以其作为网格聚类的组织模式。GSS-LD利用聚类的局部性质进行网格单元排序,将基于网格的聚类问题转换为网格的
针对传统的空间向量模型在进行文本表示时计算相似度仅采用词频统计来表示文本以及对高维文本数据聚类效果有所下降等问题,提出一种基于优化密度的耦合空间LDA文本聚类算法。该算法利用提出的耦合空间模型和LDA
模糊聚类算法具有较强的实用性,但传统模糊C均值算法(FCM)具有对样本集进行等划分趋势的缺陷,没有考虑不同样本的实际分布对聚类效果的影响,当数据集中各样本密集程度相差较大时,聚类结果不是很理想。因此,
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
给出了一种基于人工免疫的可更新簇聚类算法。该算法在aiNet聚类算法的基础上,引入记忆抗体“年龄”的概念。模型学习过程中在抗体不断地与抗原接触时,超过“年龄”阈值的记忆抗体转化为一般抗体,以此达到聚类
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
基于数据挖掘的增量密度聚类异常检测算法,乔佩利,李文龙,本文介绍了一种基于数据挖掘技术检测入侵检测模型的方法。把基于密度聚类的算法应用于入侵检测系统中,并且利用增量算法来解决静
为简化旅客列车开行方案优化编制问题,采用聚类法对铁路客运节点进行类别划分。选取2014年日均旅客发送量排名前100位客运节点的相关属性数据为实例,以铁路客运节点的类别划分依据作为属性变量,首先运用分层