外文翻译_快速搜索和发现密度峰聚类算法.pdf

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

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

针对传统[K]均值聚类算法中存在的聚类结果依赖于初始聚类中心及易陷入局部最优等问题，提出一种基于样本密度的全局优化[K]均值聚类算法（KMS-GOSD）。在迭代过程中，KMS-GOSD算法首先通过高斯

传统属性空间的密度聚类算法仅考虑对象属性取值相似度, 网络空间密度聚类算法仅关注对象间关系紧密度。针对两类算法的不足, 提出一种兼顾属性距离及关系强度的密度聚类算法。在构建兼顾属性距离及关系强度的网络

鉴于计算代价高昂的谱聚类无法满足海量网络社区发现的需求, 提出一种用于网络重叠社区发现的谱聚类集成算法(SCEA). 首先, 利用高效的近似谱聚类(KASP) 算法生成个体聚类集合; 然后, 引入个体

c++实现一维数据密度聚类算法DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)

密度聚类中的DBSCAN代码，根据周志华的《机器学习》中的伪代码编写，直接调用就可以使用，内部有注释

DBSCAN密度聚类是一种基于密度的聚类算法，它可以自动识别具有相似密度的数据点，并将其划分为不同的类。而PSO是一种优化算法，可以用于优化DBSCAN中的参数选择。本文主要介绍了DBSCAN聚类算法

这是国外的一篇很不错的搜索引擎算法，是开源的Carrot2中的核心算法

针对目前多层社会网络（multi-layered social network，MSN）的社团发现算法较少、社团划分结果较粗糙等特点，提出了一种基于边聚类的多层社会网络社团发现（CLEDCC）算法。该