论文研究-基于改进满意聚类的多模型建模方法.pdf

软件可靠性是软件质量的重要指标之一。传统的软件可靠性模型通过一些精确、无歧义的假设，对软件的可靠性增长行为进行抽象和简化。将未确知理论与聚类方法结合起来应用于软件可靠性的研究中，摆脱了对软件故障过程的

ROUSTIDA算法具有较好的数据填补能力，但依然会出现一些不完备信息。利用了可扩充辨识所反映的对象间的属性差异信息，对遗失属性进行填充，从而使改进后的ROUSTIDA算法的填充能力得到了很大的改善，

提出了一种新的基于PCA和K均值聚类的有监督二叉分裂层次聚类方法PCASHC，用K均值聚类进行逐次二叉聚簇分裂，选择PCA第一主成分相距最远样本点作为K均值聚类初始聚簇中心，解决了K均值聚类初

提出了一种基于游程特征的中英文本图像识别方法，用游程统计特征提供的图像信息作为图像模式识别的描述特征，在此基础上利用神经网络来训练分类器。实验结果表明，该方法的识别精度较高，具有一定的容错能力。

针对传统的混合高斯模型对动态背景敏感、缓变目标检测不准确等问题,提出了一种基于时空分布的混合高斯建模改进方法。该方法的基本思想是混合高斯背景基于时间分布信息建模的同时,通过随机数生成方法对邻域进行采样

针对传统K-means聚类算法对初始中心点比较敏感、易陷入局部最优，首先提出基于KD-树的初始聚类中心点选取方法。该方法通过建立KD-树将数据集分割成矩形单元，计算每个矩形的矩形单元中心、矩形单元密度

基于密度峰值聚类的流量异常检测方法，曾霄笑，杨杨，在网络中，流量是体现网络状态的一个重要数据，网络流量的异常通常反映出网络中的异常状态。通过对流量进行异常检测，能够及时发

与无监督聚类相比，半监督聚类是利用一部分先验信息来更好地挖掘和理解数据的内在结构，并紧密遵从用户的偏好。现有的典型半监督聚类算法仅仅适合于低维数据，文中提出一种新颖的基于判别分析的半监督聚类算法来解决

针对微视频语义标注问题，提出一种基于半监督聚类的微视频标注方法。从事件驱动的角度，以镜头事件为单位，用事件组来标注微视频。进一步构造半监督K-means聚类算法，优化目标函数，使得最终的聚类结果既体现

基于结构特征聚类的相似代码检索方法，王克朝，王甜甜，针对基于图的相似代码检测方法复杂度高、对代码多样化识别能力有限等问题，提出基于结构特征聚类的方法。首先将代码表示为控制依