简介：

简介：目前很多已知的聚类算法对于异常点的处理存在不合理的问题,将模糊集和粗糙集的相关理论加人到支持向量聚类算法中,可增加异常点处理的合理性,并得到一种新的改进算法,将其称为模糊一粗糙支持向量聚类算法.当支持向量集作为一个特殊的聚类,通过元素间的亲密程度,模糊边界的隶属度可以被计算出来.而下近似集包含的样本点建立在算法训练阶段获得的超球体内.在检测异常值和计算任意轮廓的聚类方面,该算法具有较大的优势和潜力.

简介：对于二维灰度图像，基于灰度信息的图像信息熵分析法，由于没有考虑到图像的空间信息，存在着对图像信息描述不准确的问题。在进行图像分割时，若图像复杂到一定程度时，无法得到满意的效果。本文从空间信息和灰度信息出发，将图像的空间信息和灰度信息作为特征向量，对比较复杂的图像进行聚类分割，取得了满意的效果。经分析和实验验证，本文提出的基于空间信息和灰度信息的塔型模糊C－均值聚类（PFCM）图像分割方法与传统的非塔型聚类算法相比，具有收敛速度快，稳定性好等优点。同时，由于对初始聚类中心的合理初始化，消除了聚类分析中常见的死点问题。

简介：摘要：由于模糊C均值聚类算法容易受到参数和噪声的影响，同时没有考虑点云数据空间信息，导致聚类分割结果不够准确等问题。本文利用点云法向量，提出了基于法向量加权的模糊C均值算法并且证明其算法的收敛性。通过对建筑物点云和手背点云进行聚类分割，实验结果表明：改进算法的实验结果比模糊C均值算法更精确，更具有实际意义。

简介：结合粗糙集理论和K-均值聚类算法,提出一种遥感影像的粗糙聚类分割方法.根据遥感影像中特征属性的相互依赖关系,应用粗糙集理论的等价关系,求出K-均值聚类所需要的初始类的个数和均值,然后采用聚类算法对图像进行分割.实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量,提高了分类精度和准确性.

简介：利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集，将其应用于C-均值聚类网络得到具有概率信息（权重）的样本，作为支持向量机（SVM）的输入建立员工绩效评估模型。实例表明，该方法拟合率高，且性能优于SVM算法。

简介：针对网络学习者及其对案例访问的模糊性提出采用模糊聚类的方法对学习者和案例进行聚类分析。在算法中，以各学习者对案例的访问次数、时间、学习效率等刻画学习者对案例的关注程度建立模糊相似矩阵，再由平方法求出模糊等价矩阵，然后进行聚类分析。通过具体实例阐述算法的计算过程，证明算法实现的可行性和有效性。

简介：利用粗糙集的思想,基于K均值聚类算法对社会网络进行研究,聚类划分社会网络,处理社会网络聚类边界模糊问题.在社会网络中精心社区挖掘与聚类分析相似,将社会网络节点作为聚类分析对象,社会网络社区为聚类分析的类.实验结果表明,本文所提方法提高了社区划分的准确率,使聚类结果能够全面反映社会网络.

简介：摘要本文分析了汽车行业基于不同思想的各类大数据聚类算法，用户应该根据实际应用中的具体问题具体分析，选择恰当的聚类算法。聚类算法具有非常广泛的应用，改进聚类算法或者开发新的聚类算法是一件非常有意义工作，相信在不久的将来，聚类算法将随着新技术的出现和应用的需求而在汽车行业得到蓬勃的发展。

简介：摘要双聚类（Biclustering）算法在数据挖掘中是一个新兴的算法，对于矩阵类型的数据，其聚类效果很好。本文浅述了双聚类算法的基本特点，并提出了用迭代的双聚类算法对未知的数据进行分类，并对一组数据进行了测试，其分类表现不错。

简介：现有如图1所示的方角铁皮，工人师傅想用一条直线将其分割成面积相等的两部分，请你帮助工人师傅设计三种不同的分割方案．（分别画一条直线，不写画法，保留作图痕迹）

简介：免疫组化彩色图像分割在免疫组化染色定量分析中有重要的应用价值。C-均值聚类算法（CMA）是根据一定的相似性准则将图像分成C类。由于运算十分耗时，直接限制了C-均值聚类算法在彩色图像分割领域的应用。本文针对免疫组化彩色图像特点，提出了分割免疫组化彩色图像的色度学准则，即：用每个像素的R分量减去B分量，根据其差值是否大于0将相应的像素分为两大类：（R-B）≥0类和（R-B）〈0类，自动分离出图像的阳性细胞区域和阴性细胞区域。在此基础上我们改进了C-均值聚类分割的方法：①针对上述两大类图像的色彩分布的特点确定初始聚类中心；②分别对上述两大类像素在一个色度学空间聚类；③根据每次迭代过程中聚类中心的变化趋势来预测下一次迭代后可能的聚类中心，从而减少迭代的次数。改进之后的C-均值聚类分割方法减少了聚类的样本数量，降低了算法的复杂度，且由于迭代次数的减少，运行速度得到了提高。实验结果表明，本文建立的技术方法能有效地分割免疫组化彩色图像。

简介：　首先比较了数据流聚类分析与传统的聚类分析方法的一些不同点，对目前最新的一些数据流聚类研究成果进行了分析，最后对数据流聚类发展方向进行了展望。

简介：为了从巨大的视频数据源中找到所需要的信息，基于内容的视频检索系统便应运而生。本文主要研究视频镜头切换检测技术。

简介：聚类分析在数据挖掘领域中占有重要地位,到目前为止学者们提出了许多的聚类算法.本文提出了一种基于kNN的聚类算法k-NearestNeighborCluster（kNNC）.该算法首先找到每个数据点的k个邻居点,然后设置匹配点数n,通过使用每个点的邻居点进行匹配进而达到聚类效果.本文通过三个实验去验证该算法,并且与k-means算法进行比较.实验结果表明,该算法具有稳定的正确率,而其最大的优点是不需要预先设定聚类簇数,它可以大致的找到聚类的簇数.

简介：随着网络通信技术和无线传感硬件设备的不断发展，数据流已成为一种新的数据处理模式。文中比较了数据流聚类方法与传统的聚类分析方法的不同、介绍了数据流模型特点、数据流算法特点、生成概要数据结构的常用方法，同时详细阐述了在扩展传统聚类算法的基础上研究数据流聚类方法的发展，从而为以后进一步的流聚类分析研究奠定了基础。

简介：论文在分析推荐输入瓶颈问题的基础上，借助社区思想实现了显式评分输入的用户聚类，解决了评分矩阵稀疏的问题；借助用户兴趣度的定义，实现了隐式浏览输入的用户聚类，解决了用户兴趣度不易获取的问题．论文的研究立足于推荐系统的输入，通过聚类分析，为推荐算法的研究奠定了理论基础．

简介：一、前言随着信息技术的发展和山东黄河通信服务质量要求的提高，档案的种类、载体形式日趋多样化，科学地管理档案及档案信息资源的有效开发利用迫在眉睫．传统的黄河通信档案资源利用，仅局限于信息检索查询，

简介：摘要本文在将数值型数据标准化的基础上，将分类数据细分为二元数据和类型数据，并用相异度系数距离计算分类数据之间的距离，并且赋予二元和类型数据相应的权重，来改进k-prototypes聚类算法，使该算法满足不同要求的混合属性数据聚类，最后通过C#语言，在ArcEngine2010版本上实现。

简介：聚类是数据挖掘中重要组成部分,为了提高聚类的处理效率,将并行处理技术运用于k-means和PAM算法中,对k-means与PAM算法进行了改进。实验结果表明:并行k-means算法相对串行k-means算法有更好的执行效率;且k-means算法有比PAM算法更好的并行性和可扩展性。最后,该文提出和介绍了将并行技术引入谱聚类算法。