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：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：　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。

简介：烃化聚酚类防老剂是新开发的耐抽提、抗老化性能好，且永不变色，是目前浅色橡胶制品首选的防老剂品种，另外也是天然和聚氯丁二烯橡胶最佳防老剂。烃化聚酚化学名称为：对甲酚和双环戊二烯丁基化反应产物，烃化聚酚合成主要分为两步，先由对甲酚和双环戊二烯进行缩聚，然后在异丁烯存在下进行烃基化。

简介：文本聚类技术作为处理和组织大量文本数据的一项重要技术，能够在很大程度上解决由于信息爆炸所带来的问题。Sollin算法是构建最小生成树的典型算法，与Kruskal算法和Prim算法相比，具有容易实现并行运算的特点。因此，利用基于Sollin的快速层次聚类算法在复旦语料和搜狗语料上进行聚类实验，结果表明基于Sollin的快速层次聚类算法在运行效率和聚类质量上都优于传统层次聚类算法。

简介：分析了异常入侵检测存在的问题,研究了基于模糊聚类的入侵检测算法.该算法采用C-均值算法,通过训练数据聚类、异常聚类划分和行为判定等3个步骤实现异常入侵检测.试验采用KDD99数据进行了测试,证明该算法是可行和有效的.

简介：聚类分析是数理统计中研究“物以类聚”的一种方法。近十几年，随着数理统计的多元分析方法的迅速发展，多元分析的技术便被引进到分类学中来，并形成聚类分析这个新的分支。聚类分析目前已广泛应用于自然科学研究领域，比如考古、地质、化学、生物等等。实际上，对经济管理、社会统计等部门的社会经济问题，也都可以应用聚类分析的方法来进行研究。

简介：对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。

简介：

简介：

简介：介绍了模糊动态聚类的基本原理和分析步骤，以一种综合保障型地面油料装备为实例，进行设计需求的模糊动态聚类，分析了设计需求模糊动态聚类的可行性。

简介：K-均值聚类算法（K-means）是基于划分的聚类算法中的典型算法，针对K-means算法初始聚类中心存在对K依赖的缺陷，提出一种新的选取K-means算法初始聚类中心的方法，该方法提高聚类结果的有效性和稳定性；还提出一种极值选择法，将最大距离法和最小距离法相结合，进一步提高初始聚类中心选择的准确性。