共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
基于k-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观,并且推荐时以k-近邻均值加权推荐不够准确.针对这两个问题,本文首先引入并改进最大最小距离聚类算法,进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分,目标用户所在类的用户为邻居用户,客观确定邻居数量;然后在推荐时定义类别相似度,针对性地建立目标用户未评分和评分项目的潜在类别关系,改进k-近邻均值加权算法.实验结果表明,该算法提高了推荐准确度(约0.035MAE). 相似文献
3.
针对时变信道下,调制类型未知的MPSK/MQAM类信号快速均衡问题,本文提出了一种新的基于星座聚类的双模式均衡算法。初始阶段均衡器采用稳健的恒模算法,一段时间后,用低复杂度的减法聚类算法处理缓存的均衡器输出。然后利用MPSK/MQAM类信号星座图的几何旋转不变性,采用C均值模糊聚类算法修正初次聚类的结果,恢复信号星座,由此获得精确符号信息。最后依据修复后的聚类效果选择切换时机,均衡器切换到符号匹配算法,完成信号均衡。与已有算法相比,本文提出的新算法克服了调制类型未知的不利因素,具有收敛速度快,剩余码间干扰小,均衡器模式切换时性能平稳等优点。仿真验证了新算法对4PSK和16QAM信号的有效性。 相似文献
4.
Affinity Propagation(AP)聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类, 但却不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法(AP clustering algorithm based on attributes relation matrix, ARMAP)是一种异步软子空间聚类算法,首先通过计算属性a的 邻域得到属性的关系矩阵,然后通过查找极大全1子矩阵得到数据集的兴趣度子空间,最后在各兴趣度子空间使用AP算法聚类,完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵,在正确查找子空间的同时,降低了时间复杂度。算法既保留了AP聚类算法的优点,又克服了AP算法不能进行子空间聚类的不足。 相似文献
5.
6.
7.
在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。 相似文献
8.
9.
为了满足对XML文档集合进行数据挖掘需求,本文提出了根据XML文档树的语义信息和结构信息来计算其结构相似度,通过结构相似度构造其结构相似度矩阵,在此基础上应用DBSCAN算法来对XML文档集合进行聚类.与其他聚类算法相比,其聚类的速度得到了很大的提高. 相似文献
10.
K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。 相似文献
11.
提出了一种基于子空间分解的高效谱聚类算法。首先,基于共识信息和特定域信息的矩阵分解将链接文档划分为3个子空间,然后对子空间添加正则化项建模共识信息和特定域信息对聚类的不同影响,并采用交替优化方法实现谱聚类。考虑到谱聚类的复杂性,提出了一种带曲线搜索的梯度下降法加速求解过程。3个真实数据集上的实验结果表明,所提算法在聚类质量和效率方面始终明显优于目前典型的基线算法,且对输入参数不敏感。 相似文献
12.
13.
14.
15.
16.
17.
18.
19.
随着信息技术、网络技术、云计算技术以及数据技术等多种技术的迅速发展,对于急速增长的数据量进行相应的分析与处理的要求也越来越高,数据挖掘便是其产物之一,在数据挖掘过程中,聚类算法则是挖掘领域中非常重要的手段和方法,因此,如何在云计算平台之下对聚类算法性能的提高有着非常重要的意义。 相似文献