搜索结果: 1-15 共查到“计算机软件 聚类算法”相关记录42条 . 查询时间(0.39 秒)
支持实时增量更新的闭子树聚类算法
聚类算法 数据挖掘 闭子树 增量更新
2011/12/20
现有的树聚类算法在树数据库实时更新后无法及时更新已有的聚类结果。为此，建立一种支持实时增量更新的闭子树聚类模型，以解决闭子树的增量聚类问题并提高聚类效率。针对树的半结构化特性，将结点语义和结点-边的结构特性结合在一起，提出一种准确率更高的树相似性度量方法，在此基础上，利用CTUM算法、TC算法和UTC算法，分别解决闭子树增量更新、聚类和增量聚类等问题。实验结果表明，该算法具有较高的运行效率和聚类准...
基于灰关联测度的分裂式层次聚类算法
灰关联测度 聚类分析 层次聚类 聚类有效性指标
2010/4/30
为估计数据集的聚类数目及获得较好的聚类性能,提出了一种基于灰关联测度的分裂式层次聚类算法. 该算法用灰关联测度衡量数据对象之间的相似程度,以基于密度扩展的方式自顶向下分裂成不同层次的数据集划分;然后,根据灰关联测度定义聚类有效性指标;最后将有效性指标曲线极值点对应的聚类划分用于估计最佳聚类数目. 实际数据和合成数据集的实验表明,与FCM 聚类相比,该算法的聚类正确率平均提高3. 7%,并且能够识别...
Robust的分布式k中心聚类算法的研究与实现
围绕中心点的划分（PAM）算法 并行 消息传递接口（MPI）
2009/12/10
并行处理的研究在数据挖掘中是十分必要的。在理论分析的基础上，提出在对经典串行PAM算法进行并行时应如何从局部聚类信息生成完备的全局聚类信息，据此提出了算法DPAM，在提高计算性能的同时，使聚类质量等价于相应串行PAM算法。为提高并行算法的执行效率，还介绍了如何减小计算结点间通信的代价。最后对提出的算法进行性能分析和实验，说明该算法是高效可行的。
基于Isomap的中文短信文本聚类算法
短信聚类 Isomap算法 语义空间
2009/12/10
给出的算法思想是首先计算出中文短信的相似度，再通过使用Isomap方法得到短信在语义空间中的嵌入情况，然后将短信在低维嵌入上进行聚类分析。该算法克服了短信的传统聚类分析在表示层次上遇到的困难，也克服了词频统计法不能将内容意思相似的短信聚集在一起的缺点，实验表明该算法是行之有效的。
基于树编辑距离的层次聚类算法
树编辑距离 层次聚类 属性相似性
2009/11/4
为了识别犯罪嫌疑人伪造和篡改的虚假身份,利用树编辑距离计算个体属性相似性,证明了树编辑距离的相关数学性质,对属性应用层次编码方法,提出了一种新的基于树编辑距离的层次聚类算法HCTED（Hierarchical Clustering Algorithm Based on Tree Edit Distance）。新算法通过树编辑操作使用最少的代价计算属性相似性,克服了传统聚类算法标称型计算的缺陷,提高...
基于模糊C均值算法的类合并聚类算法研究
模糊聚类 模糊C均值算法 隶属度矩阵
2009/10/10
针对FCM（Fuzzy C-Means）算法对于初始聚类中心敏感，并只适合于发现球状类型簇的缺陷，提出采用冗余聚类中心初始化的方法降低算法对初始聚类中心的依赖，并先暂时将大簇或者延伸形状的簇分割成用多个小类表示，再利用隶属度矩阵提供的信息合并相邻的小类为大类，对FCM算法进行改进。实验结果显示改进的FCM算法能够在一定程度上识别不规则的簇，并减小FCM算法对初始聚类中心的依赖。
基于k最相似聚类的子空间聚类算法
聚类算法 子空间聚类 高维数据
2009/8/20
子空间聚类是聚类研究领域的一个重要分支和研究热点，用于解决高维聚类分析面临的数据稀疏问题。提出一种基于k最相似聚类的子空间聚类算法。该算法使用一种聚类间相似度度量方法保留k最相似聚类，在不同子空间上采用不同局部密度阈值，通过k最相似聚类确定子空间搜索方向。将处理的数据类型扩展到连续型和分类型，可以有效处理高维数据聚类问题。实验结果证明，与CLIQUE和SUBCLU相比，该算法具有更好的聚类效果。
基于灰关联规则和连通分支的聚类算法
灰关联规则 聚类算法 欧氏距离
2009/8/19
提出一种新的聚类算法，分析待考察属性间的灰关联度，将其转化为属性权值，用于连通分支聚类的距离量度。该算法被用于处理铝电解工业生产中的分类问题。实验结果证明，它在一定程度上克服了欧氏距离的缺陷，能反映属性间的相互影响，提高聚类质量和 性能。
进化数据流中基于密度的聚类算法
数据挖掘 进化数据流 聚类
2009/8/17
分析当前数据流聚类算法的优点及不足，提出一种新的进化数据流中基于密度的聚类算法——Sdstream算法，该算法能够分析并处理大规模进化数据流，利用真实数据集和仿真数据集对其进行性能测试，实验结果表明，该算法具有良好的适用性、有效性和可扩展性，能够取得较高的聚类效果。
一种含噪数据FCM聚类算法
模糊C均值算法 IADFCM算法 区间属性数据
2009/8/17
针对IADFCM算法在运算过程中忽略区间中点和半宽对区间数分析的问题，给出基于中点、半宽含权重区间数间的欧氏距离，提出一种改进的聚类分析算法，对模拟数据集和实际数据集分别进行仿真实验，实验结果表明，该算法是有效的。
基于关联规则与聚类算法的查询扩展算法
查询扩展 关联规则 聚类算法
2009/8/12
针对信息检索中查询关键词与文档用词不匹配的问题，提出一种基于关联规则与聚类算法的查询扩展算法。该算法在第1阶段对初始查询结果的前N篇文档进行关联规则挖掘，提取含有初始查询项的关联规则构建规则库，并从中选取与查询用词关联度最大的K个词作为扩展词，与初始查询组成新查询后再次查询，在第2阶段将新查询结果进行聚类分析并计算结果中每篇文档的最终相关度，按最终相关度大小重新排序。实验结果表明，该算法比单独使用...
一种基于命名实体的搜索结果聚类算法
命名实体 搜索结果聚类 索引
2009/8/12
针对现有搜索结果聚类方法中形成的聚类标签可读性比较差的情况，提出一种基于命名实体的搜索结果聚类方法——NEC。命名实体作为文本中的基本信息元素，具有一定的实际意义，表征主题的能力比一般词语更强，也更具可读性。算法以搜索结果文档中存在的命名实体作为聚类的标签，经过一定的标签选择和聚类合并策略，形成最终的聚类结果，提高聚类标签的可读性。实验证明，该方法是一种可行的搜索结果聚类方法。
聚类算法在银行客户细分中的应用
聚类 K-means算法 X-means算法 客户细分
2009/8/7
针对聚类算法在金融领域广泛应用的实际情况，基于银行客户数据集，对DBSCAN, K-means和X-means 3种聚类算法在执行效率、可扩展性、异常点检测能力等方面进行对比分析，并提出将X-means算法应用于银行业客户细分。利用X-means算法建立了一套银行客户细分模型，为银行决策者提供科学的决策支持。
基于单元区域的高维数据聚类算法
聚类算法 高维数据 单元
2009/7/31
提出一种高维数据集合聚类算法(CAHD)。采用双向搜索策略在指定的n维空间或其子空间上发现数据点密集的单元区域，采用逐位相与的方法为这些密集单元区域聚类。双向搜索策略能够有效地减少搜索空间，提高算法效率，聚类密集单元区域只用到逐位与和位移2种机器指令。实验结果表明，在发现的类数量相同的情况下，CAHD算法的运行时间比其他算法减少30%。