基于高密度最小距离选择初始聚类中心的改进K-means算法,李硕,刘书昌,针对K-means算法初始聚类中心不稳定导致聚类效果较差的不足,本文提出了一种基于高密度最小距离选择初始聚类中心的DP-Kme
核的求解是粗糙集理论的重要研究内容之一,也是很多属性约简的关键步骤.目前已有一些关于核的求解算法,但有关核的更新算法却报道不多.文献[9]给出了对象增加情况下核的更新算法,但没有考虑对象修改情况下的核
基于Ant-Tree算法的短文本聚类研究,吴勇,李仁发,短文本由于词频过低,使用常规的聚类算法如K-means效果不理想,难得到可接受的准确度。而最近结合使用生物启发及聚类内部有效性测��
基于近邻点集的聚类算法研究,陈新泉,,针对有限区域内分布的稀疏不均的、具有一定分布结构的海量数据点集,本文提出了一种通过采用一些合适的数据结构及算法优化技巧来
分析了目前基于目标函数聚类算法的不足,面对形状复杂且非重叠的样本聚类问题,定义了最邻近距离和生长树的概念。随机选取生长树初始种子点,以最邻近距离作为生长树生长的方向和样本划分依据,以最终生长树大小为聚
基于并行模糊蚂蚁的聚类算法研究,冯周,张扬,本文提出了一种基于并行模糊蚂蚁的数据聚类算法。该算法使用蚂蚁群体优化原理及基于IF-THEN规则的Mamdani模糊推理系统找到优化的数据�
介绍了基于内容图像检索的系统结构、特征提取等内容,并将数据挖掘的聚类算法与之结合,对各种聚类算法进行了总结,最后提出了一些未来的发展方向。
针对复杂过程的参量聚类问题,提出一种基于粒子群优化算法的聚类方法,阐述了聚类算法的基本思路。通过对过程煅烧温度和煅烧转速二维数据的聚类仿真研究,证明该算法在类似过程参量聚类中的实用性能。对粒子群优化算
基于matlab图像kmeans图像的聚类方法代码
论文《聚类算法研究》,和大家分享~~~~