暂无评论
一种模糊聚类算法MATLAB，能够将矩阵的元素按照一种聚类的方式重新排列
用谱聚类来分类数据。
很好地聚类方法。适用于初学者效果很好。是一种非监督式的聚类。
Dbscan算法做如下改进：（1）对于核心对象 ，其邻域不再做进一步考查 ，而是将其归为某个簇 。 该簇有可能是核心对象所在簇 ，也有可能是与其他簇合并过的簇 。 （2）对于边界对象 ，进一步考查其邻
针对当前聚类算法存在的由于初始聚类中心随机选取造成最终聚类结果不佳，运用一种启发式的Canopy算法去优化聚类中心的算法，程序用Java编写，希望对大家有用
从优化算法应该具有的共性出发，提出一种全新的算法——学习算法（LA）。该算法记录历史最优解和当前最优解这两组关键历史信息，然后让当前解向这两种最优解聚集（即学习的过程）；同时为了不放弃其他区域的搜索，
在聚类过程中考虑到数据的非确定性，提出了一种改进的K-平均算法——FK-算法。FK-算法思想是减小总均方误差的期望值E(SSE),需特别说明的是对数据对象xi采用在非确定区域内用非确定密度概率函数pd
特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下，定义了一种特征平均相关度的度量方法，并在此基础上提出了一种基于特征聚类的特征选择方法FSFC。该方法利用聚类算法在不同子
一种新的初始聚类中心选取方法，解晓伟，陆月明，k-means算法对初始中心点的选择比较敏感，容易造成局部收敛，针对这个缺点，本文提出一种基于平均相异度密度的初始聚类中心的选取��
聚类有效性函数是用于评价聚类结果优劣的指标，准确地给出初始聚类类别数将使得聚类结果趋于合理化。根据模糊不确定性理论及聚类问题的基本特性，引入了新的紧密度度量指标Di（U；c），在此基础上提出了一个旨在
暂无评论