论文研究 基于粒计算Web文档聚类.pdf

对于具有多特征的复杂数据，使用子数据集作为聚类成员的输入并使用加权投票的聚类集成方法可以权衡不同聚类成员的质量，提高聚类的准确性和稳定性。针对子数据集的选择及权重的计算方式，提出了最小相关特征的子数据

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

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行

基于粒计算理论的肺组织图像边缘检测，门丽婧，谢刚，医学图像信息存在着复杂性，在处理中的各个不同层次可能出现不完整性和不精确性，由此根据粒计算理论的不可分辨关系首先对医学图

基于粒计算的SDG故障诊断及应用，刘艳红，谢刚，符号有向图(SignedDirectedGraph,SDG)故障诊断方法能表达复杂的因果关系，具有包容大规模潜在信息的能力，是一种完备地揭示系统故障的�

提出了一种把自组织特征映射SOM和Kmeans算法结合的聚类组合算法。先用SOM对文档聚类，然后以SOM的输出权值初始化Kmeans的聚类中心，再用Kmeans算法对文档聚类。实验结果表明，该聚

主要介绍了现在比较流行的云计算平台，以及如何在云计算平台上实现并行聚类

针对现有聚类算法普遍存在聚类质量低、参数依赖性大、孤立点难识别等问题,提出一种基于数据场的聚类算法。该算法通过计算每个数据对象点的势值,根据类簇中心的势值比周围邻居的势值大,且与其他类簇中心有相对较大

综述了粒计算的提出背景、研究现状及其发展趋势,也给出了作者的评论;论述了粒计算应用的广泛性, 包括AI 中的图像检索、医学诊疗系统、连续数学中的积分学及其它许多逻辑推理等方面的应用. 讨论了粒计算将

为从决策表中获取最简决策规则，在研究粒计算理论的基础上，提出了一种基于粒计算的决策规则提取算法。该算法通过引入λ阶粒库的概念，利用粒计算的方法对由同一决策表所生成的粒库，从不同的角度和多个层次进行研究