一种基于模糊聚类的毛管力曲线分类方法

为了从具有运动物体前景的公路监控视频中提取出初始背景,提出一种基于模糊聚类识别的背景建模算法。利用模糊聚类识别方法从时间轴上总体呈多相似值分布的像素点中提取出背景子类,实现背景初始化。结果表明,该方法

首先利用模糊G均值聚类算法在多特征形成的特征空间上对图像进行区域分割，并在此基础上对区域进行多尺度小波分解；然后利用柯西函数构造区域的模糊相似度，应用模糊相似度及区域信息量构造加权因子，从而得到融合图

分析了基于摄动的模糊聚类方法(fuzzy clustering method based on perturbation,FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高

聚类是数据挖掘领域的一个重要研究方向,针对复杂数据集中存在的簇间密度不均匀、聚类形态多样、聚类中心的识别等问题,引入样本点k近邻信息计算样本点的相对密度,借鉴快速搜索和发现密度峰值聚类(CFSFDP)

传统K-means算法对初始聚类中心的选取和样本的输入顺序非常敏感,容易陷入局部最优。针对上述问题,提出了一种基于遗传算法的K-means聚类算法GKA,将K-means算法的局部寻优能力与遗传算法的

K-medoids算法作为聚类算法的一种，不易受极端数据的影响，适应性广泛，但是K-medoids聚类算法的精确度不稳定，平均准确率较低，用于实际的聚类分析时效果较差。ACO是一种仿生优化算法，其具有

分析了现有基于网格的聚类算法，该算法具有高效且可以处理高维数据的特点，但传统网格聚类算法的聚类质量受网格划分的粒度影响较大。为此，提出了一种基于网格的增量聚类算法IGrid。IGrid算法具有传统网格

一种基于LSM的文本聚类算法，王步钰，付学良，为从互联网海量数据中获取精准个性化旅游产品模式，本文提出了一种基于潜语义模型的文本聚类算法。通过建立旅游信息对象核心语义

针对K-中心点算法对初始化敏感和容易陷入局部极值的缺点，提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法初始化时选择距离较远的k个候选范围作为k个聚类中心的选择范围，即粒子的初始值都

主要研究“正文式”网页的有效信息提取算法。该种底层网页真正含有Web页面所表达的主题信息,通常包含一大段的正文信息,正文信息的前后是一些格式信息（例如导航信息、交互信息、JavaScript脚本等）。