一种基于GA的聚类集成算法

提出了一种基于GA的聚类集成算法ECUNGA(ensemble clustering using NMI and GA).算法利用GA搜索一个与聚类集体差异度小的聚类,以此来达到综合聚类集体信息,得到更优秀的聚类的目的.算法相比于传统基于互信息理论的方法,使用GA搜索,提高了搜索的能力且具有较低计算复杂度.最后,在UCI数据集上进行实验,取得了理想的效果.     

面向大数据的聚类挖掘算法研究

目前在对数十种乃至数百种物品进行分析时,由于运算能力的增长,采用手工方法进行统计不但耗费大量的计算时间,而且还会发生计算错误的。因此需要用某种方法对各种东西进行归类,进而产生了几种对数据进行处理的聚类的方法。该文对大数据进行了分析,研究了数据挖掘算法,建立了个性化的推荐系统,不会对公共资源造成浪费。     

基于Kohonen神经网络算法的网络入侵聚类算法的测试研究

提出一种基于Kohonen网络的网络入侵聚类研究的方法,在阐述基本理论、原理和算法步骤基础上,利用Matlab软件平台对提出的网络入侵算法进行测试研究,并同其他方法进行仿真对比,发现Kohonen神经网络算法的网络入侵聚类在训练准确率、测试准确率和运行时间3个方面都优于PNN算法,其准确率可以达到98.1％.     

浅谈数据挖掘中的聚类算法

数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。     

基于聚类算法的财务大数据智能分析处理技术研究

本文对基于聚类算法的财务大数据智能分析处理技术进行了研究,旨在处理金融领域管理庞大的财务数据以及更好地应对不断增长的数据挑战。本文在设计财务大数据智能分析系统总架构的基础上,对系统软件部分进行了详细地分析设计。其中数据收集与预处理主要负责获取原始数据,同时确保收集数据的质量与一致性。特征工程提取主要为聚类算法提供有意义的特征,以更好地捕捉数据的模式和结构。聚类建模算法分析是系统的核心部分,其将财务数据划分为不同的簇,整理数据中的内在结构。数据可视化可将复杂的聚类结果以直观的方式呈现给用户。系统性能测试对测试结果进行研究,说明系统在财务大数据分析中具有有效性和可行性。     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

基于k-均值的文本聚类算法及改进

本文提出了k-means聚类算法中选取初始聚类中心及处理孤立点的新方法,改进了k-means算法对初始聚类中心和孤立点文本很敏感的不足之处,并将改进后的算法应用于中文文本聚类中。实验结果表明,改进的算法较原算法在准确率上有较大提高,并且具有更好的稳定性。     

聚类算法分析及其性能比较

聚类算法有很多种,在需要时可以根据所涉及的数据类型、聚类的目的以及具体的应用要求来选择合适的聚类算法。下面介绍几种常用的聚类算法,并根据评价准则来评价这些算法。     

基于视觉原理的密度聚类算法

在模式识别、图像处理、聚类分析等领域,人的眼睛具有快速有效地组织并发现物体内部结构的自然能力,本文就是在模拟人类视觉系统这一功能的基础上,结合基于密度的聚类方法提出了一种新的聚类算法,该算法具有对初始化参数不敏感、能发现任意形状的聚类及能找到最优聚类等优点。     

基于视觉系统的聚类:原理与算法

传统的聚类分析方法只强调其对产生数据的物理系统原理的依赖 ,而忽略了人类感知数据结构的方法对聚类分析的影响。我们认为 ,这二者就聚类算法的构造和聚类结果的分析而言 ,具有同等的重要性。人类主要通过眼睛来感知结构。根据这一现点 ,我们提出了基于视觉前端系统尺度空间模型实施聚类的原理与方法。这一方法不仅可用于解决聚类有效性方面那些与人类感知结构方式有关的基本问题 ,而且可克服传统算法对初值敏感、难以找到最优聚类 ,难以确定聚类类数等缺陷。数值实验表明 ,这一方法具有广泛的应用前景 ,特别在那些与人类视觉相关的研究领域 (如图像分析和模式识别 )中 ,这一方法尤为有效     

一种基于FCM模糊聚类的音频水印算法的研究

现有自适应数字音频水印技术普遍采用局部区域作为水印的嵌入位置,区域选择是根据多次实验的结果来确定,算法的适应性不强。因此,提出一种基于FCM模糊聚类的自适应音频水印算法,该算法结合数字音频的局部特征和变换后音频数据局部能量集中的特点,自适应的确定最佳水印嵌入区域。仿真实验表明,该算法对高斯噪声,MP3压缩攻击,滤波攻击有较强的鲁棒性。     

改进的FCM聚类算法的实现和有效性研究

模糊c-均值(FCM)聚类算法是非监督的模式识别方法,在模式识别等领域中有着广泛的应用,但是该方法仍然存在着不少的问题,针对FCM算法中加权系数m对聚类效果的影响讨论基于模糊决策确定m的方法,并由此出发,通过求解最优m确定最佳聚类数c。     

基于改进遗传算法的聚类新方法

提出一种基于改进遗传算法的聚类新方法(GAKME),该方法采用遗传算法和k-medoids算法相结合,既可以很好地解决局部最优的问题,也可以很好地解决孤立点的问题,同时还可以加快遗传算法的收敛速度,节约时间成本。     

基于改进谱聚类算法的复杂产品模块发现方法研究

模块化复杂产品具有耦合性、多层次和重叠性等复杂特征。针对现有模块发现方法不能识别产品架构中的重叠结构,本文在对谱聚类算法进行改进的基础上,提出一种新的复杂产品模块发现方法。该方法能实现复杂产品模块化组织的可视化,发现共享零部件,有助于协同设计和任务间的信息交互。以轮式装载机的工作装置为实例,验证了该方法的可行性。     

基于模糊聚类算法及推荐技术的搜索引擎结果排序研究

随着现代电子信息技术的普及应用,使得网络资源的日益丰富,给人们的工作和生活增添了许多色彩。但同时,也存在一定的问题,即人们要想从纷繁复杂的网络资源中快速探寻到自己所需要的信息成为了一个难题。在这种情况下,网络搜索引擎系统的出现能够解决这一问题。随着该系统的不断革新,其功能愈加智能化,尤其是搜索引擎技术周边相关技术的融合,使得搜索引擎结果排序更具个性化。文章就模糊聚类算法及推荐技术影响下的搜索引擎结果排序形态进行研究。     

基于K-means聚类的马王堆帛画色彩特征分析与应用

目的 提取马王堆帛画特征色彩,分析帛画色彩间配色关系,为文创产品设计的配色过程提供指导,在设计中更加准确地展现帛画的文化特色。方法 首先使用优化后的K-means聚类算法提取出帛画的特征色彩,生成帛画的标准色卡;然后利用图像中的色彩占比数据和色彩邻接关系,建立色彩网络模型,确定色彩主辅色搭配;最后利用CorelDRAW插件color shuffle自动生成多个配色种群,使用模糊综合评价方法验证帛画特征色彩提取的可行性与运用色彩网络模型辅助配色的可操作性。结论 使用K-means聚类方法提取出的帛画标准色卡应用于设计时具有色彩代表性,构建色彩网络模型和插件辅助配色能够提高设计师的配色效率,为文创产品的配色设计过程提供了新的思路。     

彩色图像量化的FSCAMMD聚类算法

提出了一种基于模式识别技术的彩色图像量化的新算法－－基于最小距离最大的快速统计聚类算法（FSCAMMD）。本算法克服了SCA算法对聚类中心初始值选取的不足,给出了最大频度与类内最小距离最大相结合的方法－－初始值优选法,实验结果表明,本算法可较大幅度地减少图像量化后的总方差以颜色失真度。     

使用“分裂-合并"策略改进文本聚类集成算法的研究

探讨了"分裂-合并"(DM)策略对文本聚类集成算法改进的效果。首先在聚类成员生成阶段运行使用DM策略的超球K均值(SKM)算法r次,每次生成较多的文本子簇,并根据子簇的相似性使用凝聚层次聚类方法合并这些子簇,得到r个聚类成员,随后在聚类集成阶段采用两个快速的谱聚类算法进行集成。在6组真实文本集上进行了实验,使用DM策略的两个聚类集成算法获得的平均标准化互信息(NMI)分别比改进前的算法提高了4.6和7.9个百分点,证明了DM策略可以有效提高文本聚类集成算法的聚类质量。     

基于模糊c均值聚类算法的控制图模式识别

控制图模式识别能够区分制造过程中的一般因素与异常因素,提高制造过程中的产品质量,减少成本,提高效益。利用蒙特卡洛方法产生样本;采用一维离散小波变换处理原始数据;利用模糊c均值聚类算法进行控制图模式识别。识别准确率99.43%,其标准差为0.002 8。这表明基于该方法的控制图模式识别准确率高,稳定性好,较现有的控制图模式识别方法具有简易、高效等特点。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.