DBSCAN密度聚类是一种基于密度的聚类算法,它可以自动识别具有相似密度的数据点,并将其划分为不同的类。而PSO是一种优化算法,可以用于优化DBSCAN中的参数选择。本文主要介绍了DBSCAN聚类算法
针对BFSN算法需要人工输入参数r和[λ]的缺陷,提出了一种自适应确定r和[λ]的SA-BFSN聚类方法。该方法通过InverseGaussian拟合判断r参数,通过分析噪声点数量的分布特征选择合适的
一种基于密度峰值聚类的社区发现算法,白亮,赵越,社区发现是网络数据挖掘的一个重要研究内容,被用于探索复杂网络中潜在的类结构。针对网络数据,本文对一种密度峰值聚类算法
针对复杂及带噪声的数据集的聚类问题,提出了一种基于局部密度的网格排序策略(GSS-LD),并以其作为网格聚类的组织模式。GSS-LD利用聚类的局部性质进行网格单元排序,将基于网格的聚类问题转换为网格的
这是我做毕业论文时候搜集到的珍贵文献资料 打开方式请google搜索 敬谢
针对主动队列管理算法BLUE缺乏早期拥塞检测机制及其在参数设置方面存在不足,提出了一种基于动态阈值的拥塞控制算法。算法从系统资源分配角度出发,对缓冲资源进行合理有效分配,根据缓冲空间的利用情况预测网络
为了解决相交网格划分技术中聚类结果对数据输入顺序的依赖性和聚类结果精度不高的问题,提出了一种基于相交划分的动态网格聚类算法(DGBO)。该算法利用相交网格划分技术和移动网格技术来解决上述问题,通过连接
针对划分聚类对初始值较为敏感以及层次聚类时间复杂度高等缺陷,提出了一种基于划分和层次的混合动态聚类算法HDC-PH。该算法首先使用划分聚类快速生成一定数量的子簇,然后以整体相似度的聚类质量评价标准来动
为快速准确地计算时间序列数据相似度,引入快速动态时间规划距离(fast dynamic time warping,FDTW),提出了基于FDTW的模糊C均值算法和模糊C中心点聚类算法。FDTW通过对数
基于动态同步模型,提出一种高效同步聚类ESYN算法。首先,根据非矢量网络的局部结构信息,提出节点相似度的定义,以准确描述节点间的链接密度;其次,利用OPTICS算法进行矢量化预处理,将非矢量网络转换为