一种有效的蛋白质序列聚类分析方法

提出了一种有效的基于仿射传播聚类算法和后处理方法的蛋白质序列聚类方法.在聚类分析蛋白质序列时,为了优化仿射传播聚类算法的聚类结果,采用后处理的方式来提高聚类结果的质量.为了度量蛋白质序列之间的相似度,给出了一种改进的无比对计算方法.在6个蛋白质序列数据集上进行对比实验,实验结果表明,所给出的方法能够有效地分析蛋白质序列.     

聚类分析中PAM算法的分析与实现

首先详细讨论了PAM算法，包括：PAM算法的基本思想，如何替换中心点增进聚类质量，PAM算法的处理流程，代价函数的计算．相异度的计算．复杂度分析等．然后给出了一个实现PAM算法的实例。     

Vague聚类分析在模式识别中的应用

本文借鉴灰色关联分析法建立Vague相似关系矩阵。给出了Vague聚类的概念，并在此基础上进行Vague聚类分析。该方法充分利用Vague集的特点，可从肯定、否定和未知度等多雏度进行聚类分析。最后用模式识别中的实例验证了本方法的可行性和有效性。     

模糊聚类分析在生产管理应用的探讨

本文从最大隶属原则和择近原则的有教师样本识别模式分类理论出发 ,然后用聚类分析无教师识别的模糊模式识别方法 ,对工人完成的质量和数量及其出勤三个项目所构成的论域进行聚类 ,并探讨了聚类分析不同的识别方法产生不同的分类。     

数据挖掘中的聚类分析方法

聚类分析是多元统计分析的重要方法之一,该方法在许多领域都有广泛的应用。本文首先对聚类的分类做简要的介绍,然后给出了常用的聚类分析方法的基本思想和优缺点,并对常用的聚类方法作比较分析,以便人们根据实际的问题选择合适的聚类方法。     

Fuzzy ISODATA聚类分析方法的设计

文章探讨了模糊ISODATA方法的基本思想、基本原理和实现的具体步骤,设计了可行ISODATA算法,对模糊ISODATA方法的参数m、分类数c、初始分类矩阵U^（0）和ε的取值对最优软划分矩阵的影响分析,对ISODATA算法的改进,使之理论上更加严谨,在应用时分类更加准确。     

制造系统中的聚类分析方法

本文对制造系统的聚类分析(即单元构造)问题进行了研究。首先以距离最大为原则选择机器聚类块的“种子”,保证“种子”具有代表性,然后根据聚类块的中心距,对某些相似的聚类块进行合并,完成机器成组,根据机器成组信息,构造工件族的理想工件作为工件聚类时的“种子”,将全部工件划分成工件族,数值例子验算表明,本文提出的算法可以很好地解决制造系统中单元构造问题。     

基于Agent的模式识别框架APRF在聚类分析中的研究

基于Agent的模式识别框架APRF(agent-oriented pattern recognition frame).先用自下而上方法对模式建模,然后再自上而下对模式分类.让计算机模式识别更符合人的认知过程的特点,然后阐述APRF在聚类分析中的应用.     

Combining RBF Networks Trained by Different Clustering Techniques

Clustering techniques have a strong influence on the performance achieved by Radial Basis Function (RBF) networks. This article compares the performance achieved by RBF networks using seven different clustering techniques. For such, different sizes of RBF networks are trained and tested using an Automatic Target Recognition data set. The performances of these RBF networks using each clustering technique are compared and analyzed. This article also evaluates how the performance can be improved by combining RBF networks, training with different clustering techniques, in committees.     

On Clustering Validation Techniques

Cluster analysis aims at identifying groups of similar objects and, therefore helps to discover distribution of patterns and interesting correlations in large data sets. It has been subject of wide research since it arises in many application domains in engineering, business and social sciences. Especially, in the last years the availability of huge transactional and experimental data sets and the arising requirements for data mining created needs for clustering algorithms that scale and can be applied in diverse domains.This paper introduces the fundamental concepts of clustering while it surveys the widely known clustering algorithms in a comparative way. Moreover, it addresses an important issue of clustering process regarding the quality assessment of the clustering results. This is also related to the inherent features of the data set under concern. A review of clustering validity measures and approaches available in the literature is presented. Furthermore, the paper illustrates the issues that are under-addressed by the recent algorithms and gives the trends in clustering process.     

对k-means聚类算法的改进

提出了一种k-means聚类算法中寻找初始聚类中心的新方法。算法首先计算样本间的距离,然后根据样本点之间的距离寻找有可能是一类的数据,依据这些样本点形成初始聚类中心,从而得到较好的聚类结果。实验表明,改进后的方法相对于随机选取初始聚类中心具有较高的准确率。     

改进的基于熵的中心聚类算法

依据基于熵的模糊聚类算法（EFC）,提出一种改进的基于熵的中心聚类算法,即通过EFC算法得到差异性十分明显的原始数据集的簇心,以这些簇心为中心再次进行聚类分析,通过各点到各中心的距离将各点重新分配到以各中心所代表的集合中。改进的算法不仅可以得到具有紧凑且差异明显的聚类结果,还可以使准确率得到有效提高。实验结果表明,该改进的算法能够实现数据集的有效聚类,相比于EFC算法的聚类结果准确率更高。     

一个用于Ad Hoc网络的分簇方法

该文提出了一种ad hoc网络的分簇方法,通过相关性来计算节点的相关度值,利用D—tree算法来对随机分布的移动节点分簇,实现ad hoc网络的层次结构的划分;并对算法进行了分析和模拟计算,得到了ad hoc网络主要技术参数之间的关系．     

集群Web服务器预取机制中用户会话聚类的研究与实现

本文研究了使用集群环境下的用户访问日志数据生成用户会话聚类的方法：编制Perl脚本从用户访问日志中生成用户会话,以新的相似度度量取代欧几里德距离改进Leader算 法对用户会话集合进行聚类,并计算聚类的内部距离和间隔距离来验证算法的有效性。实验结果表明,这种实现能有效地对用户访问日志进行聚类,并能满足服务器预取机制
制在线分析的时间、空间要求。     

基于聚类模式的多数据源记录匹配算法

提出了一种基于聚类技术的多数据源记录匹配算法，该算法运用的罩盖（Canopy）聚类技术是一种专门对付大型数据的聚类方法，此算法不仅是一个与应用领域无关的算法，跟其它模型相比，在保证原有准确程度的前提下，大大地减少了必需的计算量，提高了记录匹配的效率．     

MLVQ网络聚类算法

讨论了关于改进LVQ聚类网络的理论与算法.为克服LVQ网络聚类算法对初值敏感的问题广义学习矢量量化(GLVQ)网络算法对LVQ算法进行了改进,但GLVQ算法性能不稳定.GLVQ-F是对GLVQ网络算法的修改,但GLVQ-F算法仍存在对初值的敏感问题.分析了GLVQ-F网络算法对初值敏感的原因以及算法不稳定的理论缺陷,改进了算法理论并给出了一种新的改进的网络算法(MLVQ).实验结果表明新的算法解决了原有算法所存在的问题,而且性能稳定.     

基于模糊C均值聚类的一种说话人识别方法的改进

模式匹配在整个说话人识别系统中具有重要的作用,其采取的方法将直接影响系统的识别率.本文介绍了一种模糊矢量量化(FVQ)方法,通过对模糊C均值(FCM)聚类算法的分析,提出了基于减法聚类和改进的模糊C均值聚类算法相结合的说话人识别方法,实验表明该方法提高了识别率,是一种行之有效的说话人识别方法.