暂无评论
大连交大一位马同学的硕士论文。设计并实现了一个并行K-means聚类算法和Web文本聚类原型系统，可进行并行K-means算法的划分聚类和基于层次的组平均聚类。利用几 组Web文本数据集对基本的K-m
K均值算法是一种使用最广泛的聚类算法。算法以K为参数，把n个对象分为K个簇，使簇内具有较高的相似度，而簇间相似度较低。
Improvement of initial centroid selection of K-means clustering algorithm
传 统 的 ＫＮＮ 文 本 分 类 算 法 是 一 种 无 监 督 的 、 无 参 数 的 、 简 单 的 、 较 流 行 的 且 容 易 实 现 的 分 类 算 法 。 但 是 ＫＮＮ 算 法 在
社区挖掘算法研究是复杂网络分析领域的热点问题。传统层次聚类算法在复杂网络社区挖掘过程中,需要计算所有顶点对之间的相似度。针对这一缺点,在详述了常见相似度计算方法和顶点重要性度量方法的基础上,将ego角
K-means算法是最常用的一种基于划分的聚类算法,但该算法需要事先指定K值、随机选择初始聚类中心等的缺陷,从而影响了K-means聚类结果的稳定性。针对K-means算法中的初始聚类中心是随机选择这
Birch聚类算法分析与改进，杨阳，黄炳洁，Birch算法是典型的层次聚类算法，适用于大规模数据集的处理，本文分析了Birch算法的具体实现过程，着重对其核心CF和CFTree作了讨论，��
自适应谱聚类算法改进，张华苹，肖波，谱聚类是建立在谱图理论基础上的一类聚类算法，与传统的聚类算法不同，它能在任意形状的样本空间上聚类并收敛于全局最优解，正是
计算句子的相似度在机器问答、机器翻译、文本分类等系统中有着非常重要的作用。该文对基于相同关键词的句子相似模型作了进一步的改进，包括关键词抽取，以及在句子相似度的定义中引入同义词以及近义词的情形。并以此
凝聚层次聚类算法的改进，张宏，李欣欣，凝聚型层次聚类算法是一个非常有用的聚类算法,它在迭代地凝聚每次接近对直到所有的数据都属于同一个簇。但层次聚类也存在缺点,如�
暂无评论