搜索结果: 1-7 共查到“计算机科学技术 增量聚类”相关记录7条 . 查询时间(0.126 秒)
提出了一种在动态网络中发现社团结构的增量式聚类算法．基于动态网络中相邻采样时刻网络拓扑变化较小的特点，将网络前一时刻的社团结构作为当前时刻的初始聚类结果，利用边的桥系数判断网络拓扑变化对聚类结果的影响，局部调整初始聚类，最终得到符合当前网络拓扑的社团结构．通过和马尔可夫聚类算法进行比较，验证了本算法的精确性和高效性．实验结果表明，利用增量聚类算法分析动态网络，避免了对当前网络的重新聚类，可以快速、...
基于混沌和免疫应答的增量聚类新算法
人工免疫系统 增量聚类 免疫应答 混沌
2010/2/28
受免疫应答原理的启发, 提出了一种适用于增量数据聚类的人工免疫系统框架, 以及在此框架上的结合混沌的自组织增量聚类新算法, 称为免疫应答算法(Immune response algorithm, IRA). 新算法利用Logistic混沌序列生成初始抗体种群, 利用其多样性识别新增的不属于任何已知簇的数据, 该过程模拟了初次免疫应答. 同时, 初次免疫应答形成的记忆抗体可用于二次免疫应答, 即识别...
动态增量聚类的设计与实现
动态数据集 密度可达 增量聚类
2009/10/12
传统聚类算法往往只适用于静态数据集的聚类。对于动态数据集，新增数据后，前期的聚类结果不再可靠，运用此类算法则需要重新聚类，这样会造成效率低下和计算资源浪费。在基于密度和自适应密度可达聚类算法的基础上，提出了一种新的增量聚类算法。理论分析和实验结果证明该算法能够有效地处理动态数据集，提高聚类效率和资源的利用率。
基于混沌和免疫应答的增量聚类新算法
人工免疫系统 增量聚类 免疫应答
2009/9/9
受免疫应答原理的启发, 提出了一种适用于增量数据聚类的人工免疫系统框架以及在此框架上的结合混沌的自组织增量聚类新算法(简称为IRA). 新算法利用Logistic混沌序列生成初始抗体种群, 利用其多样性识别新增的不属于任何已知簇的数据, 该过程模拟了初次免疫应答. 同时, 初次免疫应答形成的记忆抗体可用于二次免疫应答, 即识别新增的属于已知簇的数据. 为了减少数据冗余, 算法用中心点和代表点表示已...
多数据流的增量聚类实现与应用
数据流 增量聚类 多维时态子空间聚类
2009/8/20
针对时间序列数据流的增量聚类研究较少的现状，采用多维时态子空间聚类对数据流的增量聚类进行探究。多维时态子空间聚类是指在连续一段时间内，数据流中的值的距离小于2α，它的另一个要求是最后的聚类结果必须包含一定数量的数据流。聚类结果随时间的演变能持续增量地更新，这个更新机制采用滑动窗口的形式，把最早时刻的数据删除后，添加入新到达的数据。采用股票数据对算法进行测试与验证，实验证明，该算法效果较好。
一种基于密度的高性能增量聚类算法
数据挖掘 聚类算法 密度 增量算法
2008/12/19
提出并证明了一种基于密度的高性能增量聚类算法，算法的主要工作包括：(1)利用分区和抽样技术对数据进行抽取和清理。(2)利用密度和网格技术对数据进行聚类。(3)改变阈值后提出一种增量算法，只对受影响的点重新计算聚类。(4)在动态环境下，数据增删后的增量聚类算法。实验证明，该算法能很好地处理高维数据，有效过滤噪声数据，大大节省聚类时间。
一种用于位置数据库结构调整的增量聚类算法
2007/11/2
AbstractHow to effectively organize and store the profile of moving objects in a mobile environment, where then can effectively lower the paging and update cost, is an important problem in location ma...