排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
一种基于群体智能的多主体聚类算法* 总被引:1,自引:0,他引:1
目前聚类算法普遍存在对初始化参数和异常数据敏感,难以找到最优聚类以及聚类的有效性等问题.利用群体智能和多主体系统具有的自组织性、健壮性、可扩展性和简单性等优点,给出了一种新型的优化聚类算法.在三维空间搭建主体运行环境,丰富主体的记忆、通信以及信息协调能力,增强主体的分析和判断能力.实验证明,该新型聚类算法具有运行速度快,准确性高以及对数据的输入顺序不敏感,能应付异常数据,处理高维、高复杂性数据等优点,可应用于图像处理、模式识别、文档归类等多个领域. 相似文献
2.
Data mining is the process of data selection,ex-ploration and building models using vast data stores touncover previously unknown patterns[1].It can makethe decision-making based on the knowledge,by fore-casting the unborn development tendency and action.… 相似文献
3.
提出一种基于扩展凝聚点和网格的快速聚类算法CECPG(c lustering using extended condensation pointand grid).在CECPG算法的基础上提出一种基于扩展凝聚点和网格的增量聚类算法ICECPG(increm entalc lustering using extended condensation point and grid).通过扩张凝聚点准确反映数据空间的几何特征,然后采用网格和密度相结合的方法,利用爬山法和连通性原理进行聚类处理,并在差分数据的指导下进行增量聚类.实验结果证明,CECPG算法的聚类效果优于模糊聚类算法FCM和C lique算法. 相似文献
1