基于中心漂移的聚类弹性网络算法研究.pdf

传统谱聚类对初值选取十分敏感，严重影响了聚类效果。为了解决初值敏感问题，提出了基于CMT-FCM（借鉴历史知识的类中心距离极大化聚类算法）的自适应谱聚类算法。该算法以样本空间的标准差作为尺度参数，实现

针对量子行为粒子群优化算法中粒子搜索的盲目性以及初始聚类中心的选取对聚类结果的影响问题，提出了一种基于GA优化的QPSO聚类算法。该算法首先利用GA稳健的全局优化性能进行快速的粗略聚类，然后用GA的聚

设计了一种基于快速谱聚类的图像分割算法，该算法利用余弦相似度构造相似度矩阵，避免了传统谱聚类算法中尺度因子的精确设置问题，提高了算法效率.在谱映射的过程中，该算法采用了Nyström逼近策略，降低了谱

针对分类研究中采用单一类型数据造成的结果失真,提出了综合考虑产品属性和销售时间序列的两阶段优化聚类算法。分别采用基于属性的相似性排序及时间序列的分层优化聚类实现产品单独聚类,然后基于初始聚类结果及参数

模糊C-均值（FCM）聚类集成算法是一种利用集成思想提高聚类质量的方法。针对FCM聚类集成算法随着数据量的增加时间复杂度过高的问题，提出一种基于MapReduce框架的并行FCM聚类集成算法。首先利用

传统的演化聚类算法大多是基于单个时间截面进行问题求解，对于多时间截面的融合问题尚无有效的处理办法，造成了大量的知识浪费。从时间平滑框架出发，借鉴组合聚类思想，提出一种基于加权联合矩阵的演化聚类算法（W

介绍了覆盖算法的基本思想，给出了商空间粒度的基本原理，提出了基于商空间粒度的覆盖聚类算法。通过实验验证了该算法的有效性和可行性，它适合处理大规模的数据样本。

讨论了基于多尺度主元分析的故障传感器数据重构问题。传统的多尺度主元分析方法没有建立故障传感器数据重构模型，在相关传感器信号的所有尺度上建立主元分析模型进行传感器故障诊断的基础上，将主元分析模型的重构结

基于数据场的改进DBSCAN聚类算法，杨静，高嘉伟，DBSCAN算法是一种典型的基于密度的聚类算法。该算法可以识别任意形状的类簇，但聚类结果依赖于参数Eps和MinPts的选择，而且对于一些密

针对传统谱聚类算法应用于图像分割时仅采用特征相似性信息构造相似性矩阵，而忽略了像素分布的空间临近信息的缺陷，提出一种新的相似性度量公式——加权欧氏距离的高斯核函数，充分利用图像特征相似性信息和空间临近