为了改进Sweep Coverage机制在真实场景中的性能,提出了一种基于聚类的Sweep Coverage机制(clustering-based sweep coverage,CBSC),该机制引入
针对现有的大部分划分聚类算法受聚类簇的个数K的限制,提出一种基于蜂群原理的划分聚类算法。该方法通过引入蜂群采蜜机制,将聚类中心视为食物源,通过寻找食物源的自组织过程来实现数据对象的聚集。在聚类的过程中
一种基于密度栅格的快速聚类算法,檀亚峰,刘勇,针对已有网格算法和密度算法存在的效率和质量问题,给出了一种结合栅格和密度的聚类算法,即基于密度和栅格的聚类算法DGBCA(densitya
一种改进的快速聚类算法GLDBSCAN,陈晓云,祁小丽,本文在基于局部密度的空间聚类算法LDBSCAN的基础上提出了一种基于网格和SP-Tree的快速聚类算法GLDBSCAN。新算法设计了一种新的对数
针对DBSCAN算法需用户设置参数值、易产生挖掘结果偏差等不足,提出改进算法DBTC(density-basedtextclustering),该算法不仅能够发现任意形状的簇,还有效地解决了基于密度的
一种基于聚类的高斯混合模型算法,马瑞云,,本文介绍了一种高斯混合模型算法的改进方法---将聚类算法与传统高斯混合模型结合起来的建模方法,并同时提出的运用距离加权的矢量�
提出一种新的基于图论的聚类算法NeiMu。该算法首先分析数据中的对象,寻找每个对象的k近邻,根据k近邻关系构造k近邻有向图,然后通过k近邻有向图中的k-互邻居关系构造k-聚类图,发现数据中的自然聚类。
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
针对现有的增量聚类算法对参数敏感度较高、时空复杂度较高等问题,提出了一种基于代表点的增量聚类算法。首先采用代表点聚类算法对静态的数据库进行聚类;然后根据新增加的节点与已存的代表点之间的关系,判断是否将
针对K-means算法易受初始聚类中心影响而陷入局部最优的问题,提出一种基于萤火虫智能优化和混沌理论的FCMM算法。利用最大最小距离算法确定聚类类别值K和初始聚类中心位置,以各聚类中心为基准点,利用T