暂无评论
提出了一种基于改进的粒子群算法的聚类方法该算法是将局部搜索能力强的均值算法和基于遗传算法的交叉变异P操作同时结合到粒子群算法中既提高了粒子群算法的局部搜索能力加快了收敛速度，同时因为加入了交叉变异操作
大数据的挖掘是当今的研究热点,也有着巨大的商业价值。新型框架Spark部署在Hadoop平台上,它的机器学习算法几乎可以完全替代传统的MahoutMapReduce的编程模式,但由于Spark的内存模
为准确提取有效指纹区域,提高自动指纹识别系统的准确率,降低后继处理算法的时间消耗,以像素点为考察对象,将条件概率事件模型引入到指纹图像分割方法中,在研究指纹图像所固有的纹理特征后,提出了指纹条件概率模
针对现有聚类算法计算复杂度普遍较高的问题,提出了一种基于定位的方法.该算法采用空间定位的方法将数据对象映射到特征空间中,并利用空间立方体的某些特殊顶点定位任一数据点;通过计算数据点与空间立方体顶点群的
一种基于密度的聚类算法——DBSCAN(Density-Based Spatial Clustering of Applications with Noise)，它将簇定义为密度相连的点的最大集合，能
在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进
统计数据的一种。指反映事物类别的数据。如人按性别分为男、女两类。 分类数据（categorical data）是离散数据(discrete data)。分类属性具有有限个（但可能很多）不同值，值之间无
图像分割是指将一幅图像分解成若干互不相交区域的集合,其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索,对近几年国内外最新的图像分割算法进行了综述,指出了聚类在这个领域的重要性。
1、概述 本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍,Kmeans算法是属于无监督的学习的算法,并且是最基本、最简单的一种基于距离的聚类算法。 下面简单说一下Kmean
介绍了传统聚类算法及其局限性,然后对直接K2means 算法进行分析改进,着重分析了该算法的思想体系以及它的优缺点 西安工业学院计算机科学与工程学院 石云平, 辛大欣
暂无评论