论文研究采用中心聚类与PSO的RBF网络设计方法.pdf

基于特征权重优化的K-中心点聚类算法，陈新泉，，为构造出更适合于混合属性数据点集空间的相异性度量，从而找到数据点集的更有意义的聚类分布，提出了基于特征权重优化的K-中心点�

有雾图像的复原问题已经成为了机器视觉领域研究的热点。在传统图像复原理论的基础上，提出一种新的基于模糊聚类规则图像去雾方法，用于恢复被雾影响的降质图像。利用模糊聚类的方法对有雾图像进行预处理，从而获取图

利用模糊聚类理论及汉字的属性特征，提出了一种针对中文文本文档的盲水印算法。根据人类视觉系统的特点，将汉字按照汉字结构类型、汉字笔画数和使用频率进行分类，选择其中汉字笔画数较少、使用频率较高的类别进行水

针对层次聚类方法与K-Means聚类方法的一些不足，提出了一种基于密度偏差抽样的改进聚类分析算法DS-Ward，该算法能够自动获得中心点和聚类数，能够在计算量减少的情况下得到较为可靠的结果。通过基于该

统计数据轨迹一般具有重视变化趋势、数据噪声较大、模式分布不同等特点, 直接使用传统的聚类分析方法难有很好的效果。对此在K-means算法的基础上, 分别采用了归一化处理、平滑处理以及关键峰匹配等方法处

提出了一种改进的基于对称点距离的蚂蚁聚类算法。该算法不再采用Euclidean距离来计算类内对象的相似性，而是使用新的对称点距离来计算相似性，在处理带有对称性质的数据集时，可以有效地识别给定数据集的聚

随着转炉冶炼过程的推进，炉口火焰图像在不同的冶炼阶段呈现较为明显的差别。根据火焰图像判断冶炼所处阶段的问题，其关键在于如何准确提取火焰的主要特征，提出了火焰边缘线不变矩特征，火焰图像Laws纹理能量特

在KMeans聚类、PSO聚类、KMeans和PSO混合聚类（KPSO）的基础上，研究了基于量子行为的微粒群优化算法（QPSO）的数据聚类方法，并提出利用KMeans聚类的结果重新初始化粒子群，

提出了基于AFS（AxiomaticFuzzySet）理论的模糊聚类分析算法（FCA_AFS），并且给出了聚类有效性指标。该指标能够判断合理的聚类数，而且能给出达到最高准确率的参数值。与其他算法比较：

对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点，提出了基于EMD和K-means的顾客行为聚类算法。首先利用EMD和自底向上分段算法实现交易数据序列维度的约简，再利