暂无评论
Shadow set based clustering algorithm
基于mapreduce的聚类算法研究，云计算环境下基于hadoopmapreduce编程模型下，聚类算法实现论文。
聚类算法是一种在机器学习领域广泛应用的方法，它通过将数据集分成不同的群组来发现数据的内在结构。本文通过对不同聚类算法的研究进行综述和分析，总结了各种聚类算法的原理、优缺点以及在各个领域中的应用情况。同
通过对IEEE-30节点系统的仿真计算表明，本文建立的动态无功优化模型是简单有效的，具有良好的实用价值。同时，算例也表明免疫粒子群算法能够及时跳出局部最优得到全局最优解，而且收敛速度快，精度高，它保证
摘要: 目前的聚类算法如K-means、DBSCAN等, 采用全局参数而难以发现数据的自然聚类, 提出一种新的分 级聚类算法CluFNC, 能够在数据空间中发现内部聚类特征。该算法的参数包括网格大小、
图像分割:利用图像的灰度、颜色、纹理、形状等特征,把图像分成若干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出
在线结构光测量系统中, 激光光条图像中心准确提取是影响整个测量系统精度的关键因素之一。针对高反光等复杂环境下光学测量中激光光条图像中心提取问题,提出了一种基于多尺度分析的激光光条图像中心高精度定位方法
针对传统的K-means算法对于初始聚类中心点和聚类数的敏感问题,提出了一种优化初始聚类中心选取的算法。该算法针对数据对象的分布密度以及计算最近两点的垂直中点方法来确定k个初始聚类中心,再结合均衡化函
在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。然而,簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够
基于密度的聚类是聚类算法中的一种,其主要优点是可以发现任意形状的簇,但处理大数据集时效果不佳,为此提出了一种改进的算法M-DBSCAN,保留了基于密度聚类算法的优点,同时克服了以往算法不能处理大数据集
暂无评论