暂无评论
针对传统的K-均值算法聚类时所面临的维数灾难、初始聚类中心点难以确定的缺点,提出一种改进的K-均值算法,其核心思想是通过降维、基于密度及散布的初始中心点搜索等方法改进K-均值算法。实验结果证明改进后的
针对图像分割中模糊C均值算法（FCM）无法自动确定聚类中心，不考虑像素邻域信息的问题，提出一种结合[k]-means的自动FCM图像分割方法。该方法先由图像的灰度直方图确定聚类数目，使用一种改进的快速
为适应数据集分布形状多样性以及克服数据集密度问题，针对已有算法对离群簇检测效果欠佳的现状，提出了一种基于K-近邻树的离群检测算法KNMOD（outlierdetectionbasedonK-neare
基于局部稀疏K近邻密度的主动学习，汪婵，程玉虎，在选择含信息量大的样本时，基于不确定度缩减的主动学习算法通常会将孤立点一并加入训练集，从而影响分类效果。为此，提出一种基
K波段分谐波下变混频器，许静靓，吴扬春，本文介绍了基于反向平衡二极管对的K波段二次分谐波下变频器的设计，从理论和设计两个方面讨论了混频电路的性能。为了能有更好的��
联图[G∨H]表示将[G]的每个顶点与[H]的每个顶点连边得到的图。在Klesc给出的联图[K1,1,2∨Cn]的交叉数为[Z(4,n) n2 3]的基础上,根据联图的相关性质,运用反证法和排除法,得
论文研究-局外k-卡车调度问题及其MCMF法求解.pdf, 局内问题及其解法的研究是优化领域研究热点之一,而有关局内问题解法的研究必将涉及相应的局外问题.针对局外k 卡车调度问题,给出了如下研究结果
论文研究-基于粒子群的K均值聚类算法.pdf, 针对K均值聚类算法存在的缺点,提出了一种新的聚类算法———基于粒子群的K
ML-KNN是应用KNN算法思想解决多标记学习问题的一种算法，但存在时间复杂度高和少数类分类精度低的问题。提出一种加权ML-KNN算法WML-KNN，通过取样和加权的方法，在降低算法时间复杂度的同时提
针对Voronoi图k阶邻近矢量法构建复杂发生元困难，栅格法耗时长、精度受限等问题，提出了一种基于矩阵迭代的并行计算方法。以刀片机作为并行计算的硬件平台，采用Arcgis软件将MapInfo格式矢量数
暂无评论