基于动态共享近邻的谱平均密度聚类,袁超宇,张力生,谱平均密度聚类是一种基于密度的聚类算法,但存在对参数ε较为敏感的问题。针对上述问题,提出一种基于动态共享近邻的谱平均密度�
基于共享近邻的自适应谱聚类算法,自适应谱聚类算法
摘要:聚类研究在数据挖掘研究领域中占有十分重要的地位.虽然目前已有很多数据聚类算法,但精度仍不够理想.文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度
一种基于层次聚类的复杂网络社区划分算法,朱帅兵,殷传涛,随着互联网的发展和普及,人们对复杂网络的研究越来越多。复杂网络中存在社区结构,而找出社区结构有助于挖掘复杂网络中一些有用
近年来我国各种重大的自然灾害、公共卫生事件、事故灾难、社会安全事件等非常规突发事件频发,造成了严重的人员伤亡和财产损失。一体化区域的应急物资储备是非常规突发事件应对的有效保障,一体化区域的划分即一体化
针对传统的BIRCH算法用直径来控制聚类的边界,对非球形聚类效果不佳,甚至会把非球状的簇分割为不同簇这一缺点,对BIRCH算法进行改进,改进算法首先建立多棵CF树,每棵CF树代表一个簇,并结合DBSC
提出了单值数据转化为Vague值数据的定义和准则,提出了两个单值数据向Vague值数据的转化公式。例题表明不同公式有不同的特征。
基于用户会话的页面聚类算法旨在发现用户在浏览过程中频繁访问的页组,为站点管理员优化站点结构提供有力的依据。将介绍一种改进的基于频繁访问页组的路径聚类算法K-PathPlus,其中定义了新的兴趣度、内容
基于边界距离的时间序列聚类,李俊奎,王元珍,聚类的关键是定义对象之间的相似度或不相似度。提出了一种基于边界的时间序列距离度量DLB_HUST,较之已存在的基于边界的时间序列距
首先介绍传统距离计算方法在聚类应用中的不足,并针对这点提出一种基于权重向量的相对距离计算方法。在应用DBSCAN算法的基础上,融入相对距离的计算及k-d树的范围查找的应用。该算法不仅能得到很好的聚类效