暂无评论
基于Spark框架的K-means聚类算法研究,皇秋曼,周锋,随着互联网时代的发展,如何从海量数据中挖掘出有用的信息是一个重要的课题。Spark是适用于大数据的高可靠性,高性能分布式并行计�
针对复杂过程的参量聚类问题,提出一种基于粒子群优化算法的聚类方法,阐述了聚类算法的基本思路。通过对过程煅烧温度和煅烧转速二维数据的聚类仿真研究,证明该算法在类似过程参量聚类中的实用性能。对粒子群优化算
论文研究-基于粒度空间的最优聚类指标研究.pdf, 本文在粒度空间理论的基础上,进行了基于粒度空间的最优聚类模型研究.具体包含以下三个内容:首先提出了基于类内偏差和类间偏差获取数据分层结构的优化聚类
论文研究-基于贝叶斯框架下LS-SVM的时间序列预测模型.pdf,
基于模糊时间序列的自适应性预测模型,李雄彪,勾学荣,针对模糊时间序列模型中在预测时采用的模糊逻辑关系阶数的单一性和不确定性的问题,本文提出一种自适应性的模糊时间序列预测模型
关于网页聚类的研究已经提出多种基于文本—链接模型的聚类算法,其中应用最广泛的便是MS模型。针对MS模型在效率和计算精度方面的不足,提出了改进的TLMS模型。新模型通过将词聚成词簇、链接向量聚成链接簇的
基于混合模型的学术论文推荐方法,刘智超,卢美莲,针对协同过滤推荐方法中的数据稀疏性问题和冷启动问题,基于内容推荐方法限制用户视野的问题,本文提出了一种新的主题模型ACTOT模�
多聚类中心近邻传播聚类算法(MEAP),在处理任意形状具有流形分布结构的数据时,往往得不到理想的聚类结果。为此,基于流形学习的思想,设计了一种全新的相似性度量,该相似性度量能够扩大位于同一流形中数据点
基于混合时间序列模型的河南省冬小麦估产研究,任江亭,朱秀芳,对粮食安全关乎国家安全和社会安定,及时准确地预报河南冬小麦产量,对于保障国家粮食安全具有重要意义。本研究利用河南省各行政
传统上相空间重构与预测模型参数优化分开优化,割裂两者的联系,模型预测性能难以达到最优。利用相空间重构和预测模型参数的互相关系,提出一种混沌时间序列预测模型参数同步优化方法。首先采用均匀设计方法对影响模
暂无评论