暂无评论
K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有
一种基于LSM的文本聚类算法,王步钰,付学良,为从互联网海量数据中获取精准个性化旅游产品模式,本文提出了一种基于潜语义模型的文本聚类算法。通过建立旅游信息对象核心语义
针对K-中心点算法对初始化敏感和容易陷入局部极值的缺点,提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法初始化时选择距离较远的k个候选范围作为k个聚类中心的选择范围,即粒子的初始值都
主要研究“正文式”网页的有效信息提取算法。该种底层网页真正含有Web页面所表达的主题信息,通常包含一大段的正文信息,正文信息的前后是一些格式信息(例如导航信息、交互信息、JavaScript脚本等)。
国内一篇高水平的关于聚类的文献,是基于密度的一种快速算法,效果不错
基于用户聚类推荐算法是根据用户的喜好程度产生的推荐系统
论文《一种基于流形距离的迭代优化聚类算法》
聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类,提出一种基于对象集上的相容关系的聚类算法,该算法通过极大相容簇来对数据对象集进行分类,使得同一对象可以属于不同的簇,
针对传统的K均值聚类分析,不考虑对象中每个变量在聚类过程中体现作用的不同,而是统一看待,用这样计算的距离来表示两个对象的相似度并不确切。文中提出了一种基于距离度量的聚类算法,算法使
当数据的种类很多事,如何进行快速聚类处理?本文介绍了一种快速算法
暂无评论