检索结果-南通市图书馆

一种改进的k-中心点聚类算法及在雷暴聚类中的应用

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（理学版） 2015年第5期61卷 497-502页

作者：朱晔冯万兴郭钧天李雪皎刘娟国电南瑞科技股份有限公司江苏南京211106 国网电力科学研究院武汉南瑞有限责任公司湖北武汉430074 武汉大学计算机学院湖北武汉430072

传统k-中心点聚类算法初始中心点的选取直接影响算法效率和稳定性,易使算法陷入局部最优解,从而影响在带时序群体分析的聚类应用效果.本文提出了一种基于密度信息的k-中心点算法,通过获取样本密度信息来选取初始中心点,有效解决了聚类... 详细信息

传统k-中心点聚类算法初始中心点的选取直接影响算法效率和稳定性,易使算法陷入局部最优解,从而影响在带时序群体分析的聚类应用效果.本文提出了一种基于密度信息的k-中心点算法,通过获取样本密度信息来选取初始中心点,有效解决了聚类结果对初始中心点选择的依赖性问题,并应用于雷暴聚类中.雷暴聚类评估实验结果表明了改进算法的有效性.

关键词： k-中心点聚类时序群体分析雷暴密度

限制条件下的空间聚类分析——改进的k-中心点聚类算法

在线全文

学校读者我要写书评

暂无评论

测绘信息与工程 2006年第3期31卷 35-37页

作者：余晓敏陈云浩北京师范大学资源学院北京市新街口外大街19号100875

针对空间聚类过程中存在障碍实体的问题,提出了改进的k-中心点空间聚类算法,提高了算法的执行效率,解决了限制条件下空间聚类问题,使得聚类结果更具实用性。

关键词：空间聚类限制条件 k-中心点微聚类

在线全文

学校读者我要写书评

暂无评论

“k-中心点”聚类算法分析及其实现

电脑知识与技术 2005年第6期 20-24页

作者：刘志成文全刚湖南铁道职业技术学院国防科技大学

本文介绍了数据挖掘的基本概念,说明了聚类是数据挖掘的一个很重要的功能。同时进一步解释了什么是聚类分析和常用的聚类算法,详细说明了在VisualBasic6.0结合SQLServer2000环境下划分方法中的“k-中心点”聚类算法的实现方法。

关键词：数据挖掘聚类 k-中心点 VB SQLServer2000

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于混合k—中心点的Web客户聚类

嘉兴学院学报 2005年第3期17卷 54-56页

作者：叶苗群宁波大学信息科学与工程学院宁波315211

通过对Web日志文件进行分析,该文提出了一种改进的k-中心点聚类算法对Web用户的行为进行分析的方法。该算法利用模糊相似度,并模仿遗传算法中计算适应度思想,另加了一层循环迭代,每次比较适应度,保留最佳适应度,使之有较好的性能,改进... 详细信息

通过对Web日志文件进行分析,该文提出了一种改进的k-中心点聚类算法对Web用户的行为进行分析的方法。该算法利用模糊相似度,并模仿遗传算法中计算适应度思想,另加了一层循环迭代,每次比较适应度,保留最佳适应度,使之有较好的性能,改进了其易局部最优化的缺点。

关键词：聚类 k-中心点聚类算法 Web 客户聚类

基于改进k-中心点的电子地图数据质量检查算法

在线全文

学校读者我要写书评

暂无评论

软件导刊 2017年第2期16卷 81-84页

作者：张晓慧孙连山陕西科技大学电气与信息工程学院陕西西安710021

k-中心点聚类算法对噪声和孤立点的敏感性小,比较适用于增长速度快、更新频繁的电子地图数据,但k-中心点聚类算法初始中心点的选择会直接影响算法的稳定性和准确性,容易陷入局部最优解,从而影响聚类效果。提出一种基于改进k-中心点的电... 详细信息

k-中心点聚类算法对噪声和孤立点的敏感性小,比较适用于增长速度快、更新频繁的电子地图数据,但k-中心点聚类算法初始中心点的选择会直接影响算法的稳定性和准确性,容易陷入局部最优解,从而影响聚类效果。提出一种基于改进k-中心点的电子地图数据质量检查算法,通过对样本数据集进行网格划分,结合样本密度信息选取初始中心点,解决了算法依赖样本数据实际分布的问题。评估实验结果表明,改进算法较k-中心点算法正确率提升了9.56%,效率提升了56.33%。

关键词： k-中心点聚类分析网格电子地图数据质量

在线全文

学校读者我要写书评

暂无评论

聚类分析中k-均值与k-中心点算法的研究

聚类分析中K-均值与K-中心点算法的研究

作者：吴文亮华南理工大学

学位级别：硕士

近年来随着信息技术的快速发展,各行各业都积累了越来越多的数据,如何从这些海量数据中挖掘出有用的信息便成了一个很大的困难。随着人工智能技术的发展,数据挖掘技术逐渐被提出来了,用以发掘隐含的信息和数据的内在模式。聚类分析是数... 详细信息

近年来随着信息技术的快速发展,各行各业都积累了越来越多的数据,如何从这些海量数据中挖掘出有用的信息便成了一个很大的困难。随着人工智能技术的发展,数据挖掘技术逐渐被提出来了,用以发掘隐含的信息和数据的内在模式。聚类分析是数据挖掘的经典内容,聚类算法的应用领域包括商务决策、基因分类、图像识别、语义识别、字符识别和数据压缩。聚类技术目前已有的方法有划分的、层次的、密度的、网格的、模型的、统计学的、高维的和约束的方法。本文对聚类分析中的k-均值算法和k-中心点算法进行了研究,具体工作如下: 首先,对前人在k-均值算法和k-中心点算法方面所做的工作进行了详细的分析和归纳,提出了要研究的问题。其次,对k-均值算法进行了研究,k-均值算法具有简单和快速的特点,在现实生活中得到广泛的应用。但k-均值算法存在一些缺陷,针对k-均值算法中存在的k值难以确定、k个中心的位置难以选取、孤立点影响聚类效果和只能处理球状类数据等四个缺陷,提出了改进的k-均值算法,该算法可同时克服这些问题;针对k-均值算法中需要人工输入k值的问题,提出了自动获取k-均值聚类参数k值的算法,该算法不再需要人工输入k值,提高了算法的自动化处理能力。通过实验,对算法进行了验证,实验结果表明改进的算法有效的提高了算法的性能。最后,对k-中心点算法中的代表算法PAM（Partitioning Around Medoids,围绕中心点的划分）算法进行了研究,k-中心点算法是在k-均值算法对离群点敏感这样的背景下提出来的一类算法。该类算法具有很好的鲁棒性,但随着数据的增多计算代价显著增高,且其代价函数是通过平均相异度来评估的,当出现两个负代价相等时,容易陷入死循环。针对k-中心点算法容易陷入局部最优的缺陷,提出了采用k-均值预处理回溯法对其进行改进,得到了基于k-均值预处理回溯法的PAM算法（k-means Data Preprocessing Backward Search PAM ,简称kDPBS-PAM）。用回溯的方法使得出现负代价相等情况时,能够跳出死循环,通过预处理方法来加快计算速度。用C语言对算法进行了仿真,仿真结果表明,所提算法能够克服死循环的缺陷而且运算速度得到了加快。

关键词：数据挖掘聚类分析 k-均值 k-中心点 PAM

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于障碍物约束的遗传-中心点聚类算法研究

系统工程与电子技术 2005年第10期27卷 1803-1806页

作者：厍向阳薛惠锋高新波西北工业大学自动化学院陕西西安710072 西安电子科技大学电子工程学院陕西西安710071

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约... 详细信息

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。

关键词：聚类算法障碍物约束 k-中心点遗传算法

在线全文

学校读者我要写书评

暂无评论

一种基于插值的室内指纹定位系统设计与实现

传感技术学报 2017年第4期30卷 596-602页

作者：章晓强方飞应可珍方凯陈庆章毛科技浙江广播电视大学萧山学院杭州311201 浙江工业大学计算机科学与技术学院杭州310023

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想。本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法。该方... 详细信息

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想。本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法。该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用k-中心点聚类算法提取目标节点的实际位置。实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度。

关键词：无线传感器网络室内定位指纹定位 Cokriging算法 k-中心点

基于Hash函数取样的线性时间聚类方法LCHS

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2005年第8期26卷 1364-1368页

作者：元昌安唐常杰张天庆陈安龙左劼谢方军四川大学计算机学院

作为数据挖掘中的经典算法,k-中心点算法存在效率低、对大数据集适应性差等严重不足.该文针对这一不足,提出并实现Hash分层模型LCHS(LinearClusteringBasedHashSampling),主要贡献包括:(1)将m维超立方体按等概率空间进行分桶,使得每层(... 详细信息

作为数据挖掘中的经典算法,k-中心点算法存在效率低、对大数据集适应性差等严重不足.该文针对这一不足,提出并实现Hash分层模型LCHS(LinearClusteringBasedHashSampling),主要贡献包括:(1)将m维超立方体按等概率空间进行分桶,使得每层(即Hash桶)的数据个数相近,以较小的计算代价获得分层抽样的效果;(2)新算法保证了样本具有对总体数据的充分的统计代表性;(3)从理论上证明了新算法复杂度为O(N);(4)对比实验表明新算法在数据集的个数接近10000时,效率比传统算法提高2个数量级,数据集的个数接近8000时,聚类质量比CLARA算法提高55%.

关键词： k-中心点聚类分析线性时间 Hash函数取样