一种基于模糊聚类的数据关联新算法.pdf

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)

国内一篇高水平的关于聚类的文献，是基于密度的一种快速算法，效果不错

基于用户聚类推荐算法是根据用户的喜好程度产生的推荐系统

论文《一种基于流形距离的迭代优化聚类算法》

一种基于会话聚类算法的Web使用挖掘方法

现代信息系统的突出特征是基于海量数据的分布式应用集群。优化海量数据的存储布局，以提升存储资源的利用率和应用执行的速度，是一个重要研究课题。由于数据与数据之间存在关联性，只考虑负载均衡的布局算法缺乏实用

 针对传统的K均值聚类分析,不考虑对象中每个变量在聚类过程中体现作用的不同,而是统一看待,用这样计算的距离来表示两个对象的相似度并不确切。文中提出了一种基于距离度量的聚类算法,算法使

当数据的种类很多事，如何进行快速聚类处理？本文介绍了一种快速算法

针对套用传统的聚类方法对数据流的聚类是行不通的这一问题,提出一种以遗传模拟退火算法为基础的模糊C均值聚类算法(SAGA_FCM)对数据流进行聚类。SAGA_FCM算法有效地避免了传统的模糊C均值聚类算

研究论文-一种基于模糊聚类的小波图像压缩方法