模糊C均值聚类算法的并行化研究

针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题，将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合，对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层

为了更好地解决目前网格资源查找效率低下的问题，结合网格环境中普遍存在的资源相似现象，提出了基于遗传操作触发的粒子群混合优化算法的网格资源模糊C均值聚类, 对网格资源进行最大相似性聚类，通过设置触发条件

利用Learn思想对Cascade组合分类器进行了改进，提出了一种基于Cascade的增量式组合分类算法，并将之应用到肝脏图像的分类中。实验结果表明，与原有组合分类器相比，该增量式组合分类方法可以在保

针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足，为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题，提出了一种自适应模糊[C]均值聚类的数据

在综合分析标准的模糊C-均值聚类算法和条件模糊C-均值聚类算法基础上，对模糊划分空间进行修改，进一步弱化模糊划分矩阵的约束，给出一种扩展的条件模糊C-均值聚类算法。算法的划分矩阵和原型不依赖于背景约束

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题，提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法（NLWFLICM）。在WFLICM算法的模糊影响因子

基于不同粒子群算法的模糊C均值聚类算法的比较,黄新建,,通过聚类方法对数据中的有效信息进行提取已成为研究热点。在粒子以隶属度进行编码的基础上,本文把五种不同的粒子群优化算法应用

本文研究了一种改进的K-均值聚类算法，采用了基于中心点的优化方法，大大提高了聚类结果的准确性，尤其是在处理高维度数据时表现出了优越性。我们对该算法进行了实验验证，结果表明它在图像分析、金融数据分析等领

语义Web的高速发展使其具有动态性和异构性特征，解决语义信息的异构性问题成为实现信息集成的关键。本体作为一种语义Web的知识表示形式，增强了Web的语义信息。因此，为了解决语义异构性，实现数据间的互操

使用VC2008编写，用于VC6.0可能会产生一些简单的错误，做出相应的修改即可！ 这是一个针对学生成绩排名的聚类算法应用实例，里面提供了计算相似矩阵的两种算法（绝对值减数法，最大最小值法），还给出了