聚类算法作为数据挖掘中的一种分析方法,它能找到样本相对比较集中的区域。分析了一个基于K-means算法的核心思想和实现过程,使得算法可处理孤立点的分类集,得到最佳的聚类结果。
在labview中编写的关于多源放电的聚类方法,变电站现场复杂的电磁干扰是造成当前局部放电在线检测出现误报漏报的重要原因,也是长期以来困扰 局放在线检测技术发展的关键瓶颈。为此,选取地理位置、电压等级
首先利用模糊G均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行多尺度小波分解；然后利用柯西函数构造区域的模糊相似度,应用模糊相似度及区域信息量构造加权因子,从而得到融合图
由于高维数据聚类的现实意义日益增强,而Parzen窗估计法仅对低维数据集聚类能获得良好的结果,随着维数增加,效率降低,因此对Parzen窗进行加权改进,通过多次仿真实验确定加权函数,将高维数据投射至低
分析了基于摄动的模糊聚类方法(fuzzy clustering method based on perturbation,FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高
在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。然而,簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够
聚类、分类数据挖掘使用的数据,可以使用它作为实验数据。里面包括很多种类数据
本文介绍了一种基于语义相似度的聚类算法,从语义的角度来计算文本之间的相似度,大大提高了聚类效果。
基于可能度的结构区间可靠性分析方法,孙海龙,姚卫星,本文研究了不确定结构的区间可靠性分析方法。将影响结构功能的不确定参量用区间数描述。基于区间数比较的可能度公式,提出了安全
segamentation.py函数文件,基于k-means聚类
