暂无评论
语义Web的高速发展使其具有动态性和异构性特征,解决语义信息的异构性问题成为实现信息集成的关键。本体作为一种语义Web的知识表示形式,增强了Web的语义信息。因此,为了解决语义异构性,实现数据间的互操
针对传统的文本分类算法存在着各特征词对分类的结果影响相同、分类准确率较低、造成算法时间复杂度增加的问题,提出了一种改进的最大熵C-均值聚类文本分类方法。该方法充分结合了C-均值聚类和最大熵值算法的优点
传统聚类认为每个对象与所有属性均有关系,只是将对象进行聚类,为了克服这一不足,提出基于合并双聚类模型(Merge BiCluster Model,MBCM)的算法,采用将对象和属性同时进行聚类,找出与
研究了多移动机器人在组队时目标点的优化选取与避障控制问题。依据最近距离最大值优先获得目标点的规则,提出建立机器人与目标位置距离矩阵,并对矩阵进行映射分析,使机器人快速准确地确定对应目标点。采用模糊控制
提出一种简化的分类微粒群算法. 首先将微粒按适应值的差异划分成较好、普通和较差3 类; 然后对这3 类 微粒分别采用3 种对应的没有速度项的简化模型进行动态调整, 有效地增加了种群的多样性. 通过对4
现有的Web测试是由前端出发,通过分析页面DOM结构来获取状态与状态跳转的条件。但现有技术是将任何DOM节点的改变都认定为产生了新的DOM树,如果对于任何改变DOM结构的操作都认为是新操作来重新生成测
为了发现移动对象的迁徙轨迹和经停地,提出结合经停地检测算法和单链接聚类算法的方法。通过青海湖鸟类的历史位置信息验证该方法的准确性和有效性,并与应用于本领域的其他方法进行分析比较,如DBSCAN聚类算法
论文研究-基于稀疏指数排序的高维数据并行聚类算法.pdf, 高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类
针对K-means聚类算法受初始类中心影响,聚类结果容易陷入局部最优导致聚类准确率较低的问题,提出了一种基于自适应布谷鸟搜索的K-means聚类改进算法,并利用MapReduce编程模型实现了改进算法
面向大型网格模型的简化问题,提出了一种基于顶点聚类方法采用多数据流策略的并行核外模型简化算法。算法首先将传统顶点聚类简化算法中的代表点计算方法改进为顶点筛选方法,进而设计了一种适用于分布式计算环境的数
暂无评论