搜索结果: 1-15 共查到“计算机软件 聚类”相关记录110条 . 查询时间(0.244 秒)
面向领域标签辅助的服务聚类方法
Web服务聚类 面向领域 标签辅助 主题模型
2015/3/18
Web服务数量的激增对服务发现提出了更高的要求,服务聚类是促进服务发现的一种重要技术.但是,现有服务聚类方法只对单一类型的服务文档进行聚类,缺乏考虑服务的领域特性和服务标签的应用.针对这些问题,本文首先使用本体辅助的支持向量机和面向领域的服务特征降维技术建立服务的特征内容向量,然后使用一种标签辅助的主题服务聚类方法T-LDA建立融合标签信息之后的隐含主题表示,并利用归一化方法消除通用主题的影响,综...
在非线性函数下的DNA概率测量聚类分布
DNA聚类 概率值 非线性函数 基因组序列
2014/6/6
典型的聚类分析方法可将相似度较高的数据片段依据测量的数值特征聚集在一起，利用空间分布展示序列中存在相同或者不同的片段。本文针对不同来源的DAN序列，利用分组概率值的统计特征进行计算，采用三种非线性函数获得测量的投影测度，得到对应的基因测量特征形成可视化的聚类分布。比较结果显示，同类基因处理结果分层趋势相同，基因子序列分布图示在更高层次呈现出互补结构，而不同种类基因序列之间存在明显的分布差异。
中山大学信息科学与技术学院数据挖掘课件第八章 聚类分析
中山大学信息科学与技术学院 数据挖掘 课件 第八章 聚类分析
2013/5/29
中山大学信息科学与技术学院数据挖掘课件第八章 聚类分析。
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...
XML文件可以利用树状结构来表示，于是把如何将XML文件做聚类看成如何对树状结构的数据作聚类.使用SOM聚类工具搭配上Jaccard 的距离测量公式来对XML 文件做聚类，然后在每个cluster 中利用GST(Graph Search Technique)算法从这些XML文件当中找出他们的最大序列，最后将这些最大序列融合起来成为共同的结构.
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...
基于灰色聚类的软件研发项目团队有效性评价
软件项目 团队有效性 灰色聚类评价
2010/3/19
软件开发团队的有效性直接影响着软件项目的成功与否，在分析软件开发团队有效性理论的基础上，构建了衡量团队有效性的指标体系，并运用灰色聚类分析对其进行了实例量化研究。
基于变精度粗糙集的Web用户聚类方法
粗糙聚类 变精度粗糙聚类 相似β上近似
2010/1/20
针对Web使用挖掘中的用户聚类问题，提出一种基于变精度粗糙集理论的粗糙聚类方法，该方法放宽经典粗糙集中不可区分关系的传递性将其扩展为相容关系，使用变精度粗糙集的相对错误分类率β来形成新的相似β上近似，从而将一个用户划分到多个聚类，该方法不需要区分用户会话，降低了数据预处理的难度，通过理论推导和实例证明了其有效性。
基于关联规则的检索结果聚类优化
元搜索引擎 FCM算法 关联规则
2010/1/20
根据元搜索引擎以线性列表的方式为用户提供检索结果的现象，提出一种基于关联规则的检索结果聚类优化方法，在经过分词处理后，提取检索结果中标题和摘要的主要关键词集，从而建立关联词矩阵(AWM)及基于TFIDF函数表示的结果特征向量，实现基于AWM的FCM聚类。仿真实验结果表明，该方法能够提高运行效率及聚类的有效性。
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。
利用聚类优化语义Web服务发现
统一描述 发现和集成（UDDI） 聚类
2009/12/10
针对传统Web服务缺乏语义造成注册中心返回结果不精确的问题，提出了一种用OWL-S提供语义支持，并据语义相似度将Web服务聚类的解决方法。该方法应用OWL-S实现Web服务的语义描述，采用凝聚的层次聚类的Single-Link算法将相似Web服务聚类，快速定位并返回最合适的服务，提高了服务发现的精确性。
BIRCH混合属性数据聚类方法
聚类 BIRCH算法 混合属性
2009/11/19
数据聚类是数据挖掘中的重要研究内容。现实世界中的数据往往同时具有连续属性和离散属性，但现有大多数算法局限于仅处理其中一种属性，而对另一种采取简单舍弃的办法丢失聚类信息和降低聚类质量。一些能处理混合属性的算法又往往处理的属性过多，导致计算量的大增。提出了一种基于BIRCH算法的混合属性数据的聚类算法；在UCI数据集上的实验表明，文中提出的算法具有较好的性能。
基于K-均值聚类和凝聚聚类的离群点查找方法
离群点 K-均值聚类 凝聚聚类
2009/11/19
离群点发现是数据挖掘研究的一个重要方面。根据数据流的特点，给出了一种基于K-均值聚类和凝聚聚类的离群点发现方法，先用K-均值聚类对数据流进行处理，生成中间聚类结果，然后用凝聚聚类对这些中间结果进行再次选择，最后找出可能存在的离群点。