一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

一种基于向量空间模型的文本聚类方法

研究了一种基于向量空间模型的文档聚类方法.提出了一个新的聚类模型,即在传统聚类模型的基础上增加一个文档特征向量调整模块;给出了一个特征评价函数用以进行特征提取;对一种基于相似度的平面划分聚类算法做了一些改进.实验结果表明本文提出的聚类模型是可行的.     

基于MPI的并行聚类算法

文章针对单机聚类算法的可扩展性和效率低下的不足,提出一种并行聚类算法--K-mean并行聚类算法.在基于MPI的并行环境上,通过试验验证,该算法显示出较高的效率.     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

改进的模糊聚类算法

隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间.     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

数据挖掘中聚类算法的研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行了展望。     

基于聚类描述的培养算子与TSP求解

首先提出用聚类树描述ＴＳＰ对象的新方法；并在此基础上，提出了培养算子的基本概念和方法，以进一步改进解的质量。对多个ＴＳＰ实例求解的实验表明，基于聚类描述的培养算子对ＴＳＰ的求解具有良好的效果。     

一种改进的CURE的事件聚类方法

一个文档往往包含多个主题的事件,把分散在多个文本中的同一主题事件组织起来依靠传统的文本聚类是无法实现的.本文通过对已有的CURE算法进行分析,根据事件的特征,对代表点的选取和小类合并机制进行改进,实现了一个改进的CURE算法.实验结果表明：改进后的方法在保证执行效率的情况下取得了更好的聚类效果.     

基于模糊聚类的高速公路运营成本预测

以高速公路全寿命周期成本为基础,提出了应用模糊聚类估算模型计算高速公路运营成本的方法,并以大广高速深州至大名段为例,选取高速公路途经地区平均人均国内生产总值、总里程、路基宽度、桥涵设施数量、立交数量、收费站数量、服务区数量和平均日交通量等特征属性,依据12条高速公路的特征属性和运营成本,预测出大广高速的运营成本。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

通过增量聚类预处理分区的一种序列模式挖掘方法

大多序列模式挖掘算法在处理呈指数增长的模式时性能有限,而且当输入的数据集很大时,因为主存限制将使其变成不可解的。本文提出基于分区的序列模式挖掘算法,克服了主存限制的缺点,并通过增量聚类方法对数据预处理,得到更合理的分区以提高整体性能。     

基于模糊聚类的城市经济发展水平分类

科学定位城市经济的发展水平对于制定城市发展战略规划以及相关政策具有重要的现实意义。将模糊聚类分析应用于城市经济发展水平的分类研究,选取具有代表性的经济指标建立模糊相似矩阵,应用模糊聚类法实现聚类,从而对城市经济发展水平进行分类。     

基于模糊聚类-模糊模式识别的复合材料高温机械性能评价

将模糊聚类和模糊模式识别相结合的识别方法应用于具有多模糊特征变量的复合材料高温机械性能的识别中。对给定特征的复合材料进行模糊分类,建立群体模式。通过模糊模式识别在模式库中对检验样本进行匹配,实现对未知材料的聚类识别。结果表明:对于多因子相关的复合材料性能,两种方法的结合是有效可行的,可以满足经济性和准确性的要求。     

一种基于镜头聚类的视频场景分割方法

为了更好地进行视频信息检索和浏览,提出了一种利用视觉和运动特征来进行场景分割的方法,该方法在把镜头聚类到场景中时,不仅考虑同一场景内镜头的视觉特征相似性,而且还考虑了镜头的运动特征的一致性。此外,为避免过度分割,还提出了一种方法用来合并过度分割出的场景。实验结果表明,这种方法是有效的。     

一种改进的凝聚图聚类方法

以无向非加权图为研究对象,提出了一种基于社团结构核心区域集的图聚类方法,一个社团结构核心区域集是满足五个限定条件的一组完全子图的集合。同时对聚类过程进行分析,给出具体算法描述。实验结果表明该方法能显著提高聚类的精度。     

基于聚类的博士学位论文质量分析

博士学位论文是衡量博士研究生培养质量的重要指标。本文阐述了数据挖掘在教育领域的应用意义及聚类分析技术,通过对影响博士学位论文质量的相关属性进行分析处理,基于微软SSAS平台构建了博士学位论文质量聚类分析挖掘模型,以福州大学博士学位论文相关数据为实例进行聚类分析,找出影响博士学位论文质量的主要因素,从生源质量、科研条件、指导教师、在学期间发表论文、奖学金资助等方面为提高博士学位论文质量提供参考依据。