注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 一种改进的k—means中文文本聚类算法

  2. 一种改进的k—means中文文本聚类算法

  3. 所属分类：其它

    • 发布日期：2010-04-12
    • 文件大小：178kb
    • 提供者：gaizai

  1. 一种改进的K-means初始聚类中心选取算法

  2. 在传统的k-means聚类算法中，聚类结果会随着初始聚类中心点的不同而波动，针对这个确定，提出一种优化初始聚类中心的算法。

  3. 所属分类：互联网

  1. 改进的K-means聚类算法(C++程序)

  2. 本程序乃是本人发表的学术论文实现程序，针对传统K-means初始化质心得随机性缺点，提出孤立点思想，并计算DKC,来初始化质心。

  3. 所属分类：管理软件

    • 发布日期：2011-06-14
    • 文件大小：895kb
    • 提供者：yjdyjd19871011

  1. 改进的K-means聚类C++程序

  2. 针对传统K-means聚类质新随机初始化问题，提出基于2d孤立点思想，并对质心进行处理。

  3. 所属分类：管理软件

    • 发布日期：2011-06-14
    • 文件大小：895kb
    • 提供者：yjd2008

  1. 改进的k-means的方法

  2. 有关于改进k-means的聚类方法 和源代码 大家一起来学习

  3. 所属分类：Java

    • 发布日期：2009-02-09
    • 文件大小：231kb
    • 提供者：u010240381

  1. K-means聚类算法初始聚类中心确定 matlab实现

  2. 改进的K-means聚类算法初始聚类中心确定，采用matlab实现，2016a的matlab，直接打开文件、添加路径就可以使用了。

  3. 所属分类：其它

    • 发布日期：2018-03-18
    • 文件大小：3kb
    • 提供者：qq_24864715

  1. 基于特征选择的K-means聚类异常检测方法

  2. K-means算法是一种采用距离作为相似性评价指标的聚类算法,其快速简洁的特点在异常检测场景中有一定的应用价值。但是,传统的K-means聚类算法在选取初始中心和度量相似性上有一定缺陷。针对传统的K-means算法中存在的问题,本文对原有的方法进行了改进。第一,在初始化聚类中心时选取了一种优化的方法作为初始聚类中心,替代原有的随机选择方法以减少计算量和迭代次数。第二,采用基于信息熵属性加权的样本相似性度量来进一步精确样本差异。实验过程中,针对异常检测数据含有冗余特征,对样本数据做了冗余特征过滤

  3. 所属分类：网络安全

    • 发布日期：2018-06-17
    • 文件大小：353kb
    • 提供者：qq_28339273

  1. 基于改进K-means聚类算法的负荷建模

  2. 基于改进K-means聚类算法的负荷建模，蒋国栋，白雪峰，负荷模型对电力系统仿真计算的准确性有重要影响。负荷建模数据应取自电网实际运行数据，所以必须从海量运行数据中提取能够代表节

  3. 所属分类：其它

    • 发布日期：2020-01-18
    • 文件大小：290kb
    • 提供者：weixin_38543460

  1. 基于K-means聚类算法的图像分割方法比较及改进

  2. 为了探讨K-means算法应用于图像分割时在不同颜色空间中的聚类效果,选用了不同分辨率的多对图像进行研究,分析了基于RGB和YUV颜色空间的分割结果,并提出一种新的混合模型,即在YUV聚类距离公式中引入图像的二维信息熵的差量,同时利用YUV颜色空间中的Y分量作为其灰度进行计算,实验结果表明,基于YUV颜色空间聚类的改进模型分割效果比单纯使用YUV颜色空间进行聚类更佳。

  3. 所属分类：其它

    • 发布日期：2020-05-24
    • 文件大小：669kb
    • 提供者：weixin_38644168

  1. 一种优化初始聚类中心的K-means聚类算法

  2. 针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进，利用提出的新算法选出初始聚类中心，并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高，具有更高的准确性。

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：312kb
    • 提供者：weixin_38560797

  1. 一种改进的动态K-means聚类算法

  2. 针对初始聚类中心对传统K-means算法的聚类结果有较大影响的问题，提出一种依据样本点类内距离动态调整中心点类间距离的初始聚类中心选取方法，由此得到的初始聚类中心点尽可能分散且具代表性，能有效避免K-means算法陷入局部最优。通过UCI数据集上的数据对改进算法进行实验，结果表明改进的算法提高了聚类的准确性。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：307kb
    • 提供者：weixin_38632763

  1. 一种K-means聚类算法的改进与应用

  2. K-means算法是基于距离作为相似性度量的聚类算法，传统的K-means算法存在难以确定中心值个数、受噪声及孤立点影响较大的缺点。对此，利用类间相异度与类内相异度改进初始值K，以尽量减少人工干预；同时计算数据库中每一点与剩余点的距离和距离均和，将两者的大小比较作为识别孤立点和噪声点的依据，从而删除孤立点，减少对数据聚类划分的影响。最后将改进后的K-means算法应用于入侵检测系统并进行仿真实验，结果表明，基于改进的K-means算法的入侵检测系统一定程度上降低了误报率及误检率，提高了检测的准确

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：502kb
    • 提供者：weixin_38717359

  1. 一种用于解调失真QAM信号的 改进K-means聚类算法

  2. 在短距离无线通信中，无线节点或移动终端通常有低成本、小体积、低功耗的要求，因此无法使用复杂的预失真或补偿电路克服功放的非线性影响，这是无线节点或移动终端在上行链路中难以使用高阶QAM调制的重要原因之一。基于QAM矩形星座的特点，提出了一种K-means聚类的改进算法作为中央基站节点的高阶QAM解调算法。在发送信号受到较严重的功放非线性失真时，所提改进算法解调性能更优，算法复杂度更低。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：577kb
    • 提供者：weixin_38590520

  1. 基于改进的LbpOperator和K-Means聚类的人脸表情识别

  2. 基于改进的LbpOperator和K-Means聚类的人脸表情识别

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：384kb
    • 提供者：weixin_38694355

  1. 一种改进的K-means 动态聚类算法

  2. 一种改进的K-means 动态聚类算法

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：251kb
    • 提供者：weixin_38640117

  1. LKM：基于LDA的K均值聚类算法，用于移动传感器网络中入侵检测的数据分析

  2. 由移动节点组成的移动传感器网络（MSN）对网络攻击敏感。 入侵检测系统（IDS）是一种主动网络安全技术，可以保护网络免受攻击。 在IDS的数据收集阶段，由于在多维空间中收集的高维数据，对随后的数据分析和响应阶段施加了巨大压力。 因此，用于入侵检测的传统方法将不再适用于MSN。 为了提高数据分析的性能，我们将K-means算法应用于高维数据聚类分析。 因此，提出了一种改进的基于线性判别分析（LDA）的K均值聚类算法，称为LKM算法。 在该算法中，我们首先应用LDA的降维将高维数据集划分为二维数据集

  3. 所属分类：其它

  1. 基于K均值聚类的智能建筑应用电气设备识别。

  2. 随着建筑物联网（BIoT）系统的发展和广泛应用，连接了多种类型的设备，并收集了大量的设备数据。 为方便设备管理，应标识设备并贴上标签。 传统上，此过程是手动执行的，这不仅费时，而且会导致不可避免的遗漏。 在本文中，我们针对智能建筑应用提出了一种基于k均值聚类的电气设备识别方法，可以自动识别连接到BIoT系统的未知设备。 首先，分析负载特性，并从收集的数据中提取用于设备识别的电气特性。 其次，两次使用k-means聚类来构建识别模型。 初步聚类采用传统的k均值算法对总谐波电流畸变数据进行分析，并根

  3. 所属分类：其它

  1. Bisectingk-means聚类算法实现

  2. Bisectingk-means聚类算法，即二分k均值算法，它是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题，而Bisectingk-means算法受随机选择初始质心的影响比较小。首先，我们考虑在欧几里德空间中，衡量簇的质量通常使用如下度量：误差平方和（SumoftheSquaredError，简称SSE），也就是要计算执行聚类分析后，对每个点都要计算一个误差值，即非质心点到最近的质心的距离。那么，既然每个非质心点都已经属于

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：222kb
    • 提供者：weixin_38700409

  1. Bisectingk-means聚类算法实现

  2. Bisectingk-means聚类算法，即二分k均值算法，它是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题，而Bisectingk-means算法受随机选择初始质心的影响比较小。首先，我们考虑在欧几里德空间中，衡量簇的质量通常使用如下度量：误差平方和（SumoftheSquaredError，简称SSE），也就是要计算执行聚类分析后，对每个点都要计算一个误差值，即非质心点到最近的质心的距离。那么，既然每个非质心点都已经属于

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：222kb
    • 提供者：weixin_38732307

  1. 多尺度融合小波域信息和聚类分析的数字半色调

  2. 提出采用小波域多尺度信息融合的方法建立数字半色调尺度相关的误差测度函数。利用尺度间小波系数的自相关性融合层间的小波细节系数，采用加权最小平方法建立边缘误差测度函数。应用改进的K-means 聚类法将原图像分割为几个区域，利用各区域方差倒数做为权重，建立区域误差测度函数。应用改进直接二值搜索方法最小化初始图像和半色调图像的误差，得到最优的数字半色调图像。模拟结果表明了提出算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：10mb
    • 提供者：weixin_38559346
« 12 3 4 5 6 »