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：182272
    • 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：916480
    • 提供者：yjdyjd19871011

  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：3072
    • 提供者：qq_24864715

  1. 基于K-means聚类的医院科室管理策略研究

  2. 基于K-means聚类的医院科室管理策略研究，李玲，田珊，文将数据挖掘技术应用到医院科室管理中，用一种改进的K-means算法对医院科室进行分类，建立了以接诊次数和科室效益相结合的医院科�

  3. 所属分类：其它

    • 发布日期：2020-03-03
    • 文件大小：363520
    • 提供者：weixin_38688145

  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：296960
    • 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：685056
    • 提供者：weixin_38644168

  1. 基于2d-距离改进的K-means聚类算法研究

  2. 为了解决原始K-means算法随机选取聚类中心对聚类结果产生较大影响的不足和孤立点的存在对聚类精度的破坏,以及两者之间的相互牵制性,采用基于2d-距离的DKC值来对原始样本数据集进行预处理以分辨孤立点,同时确定初始的聚类中心,达到消除两者相互影响的效果,使得聚类中心相对稳定,改进后的算法较原始的算法在准确度上得到了改进。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：210944
    • 提供者：weixin_38706824

  1. 基于AP布置优化和K-means聚类算法的室内定位研究

  2. 传统室内定位中聚类算法被动依赖定位环境中接入点（Acess Point，AP）数量，导致定位效率低、误差大，室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此，采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络，根据电波路径损耗建立室内定位的目标函数，采用单纯形法和模拟退火算法融合算法对目标函数进行优化，从而达到最合理的AP室内位置布局，而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心，来提高系统的定位效率

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：431104
    • 提供者：weixin_38538312

  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：319488
    • 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：314368
    • 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：514048
    • 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：590848
    • 提供者：weixin_38590520

  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：257024
    • 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

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：weixin_38741244

  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：227328
    • 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：227328
    • 提供者：weixin_38732307

  1. K-means 聚类算法研究综述

  2. 总结评述了K-means 聚类算法的研究现状，指出K-means 聚类算法是一个NP难优化问题，无法获得全局最优。介绍了K-means 聚类算法的目标函数、算法流程，并列举了一个实例，指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法，指出了K-means聚类的进一步研究方向。

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：1033216
    • 提供者：weixin_38639237

  1. K-means聚类算法中聚类个数的方法研究

  2. 在数据挖掘算法中，K均值聚类算法是一种比较常见的无监督学习方法，簇间数据对象越相异，簇内数据对象越相似，说明该聚类效果越好。然而，簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够自动确定聚类个数，采用SSE和簇的个数进行度量，提出了一种聚类个数自适应的聚类方法（简称：SKKM）。通过UCI数据和仿真数据对象的实验，对SKKM算法进行了验证，实验结果表明改进的算法可以快速的找到数据对象中聚类个数，提高了算法的性能。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：863232
    • 提供者：weixin_38502639

  1. 基于改进K-means聚类算法的供电块划分方法

  2. 在已知供电区域内现状或远景规划的变电站的位置、座数和容量数据的基础上，应用改进的K-means聚类算法，结合变电站等效圆形供电模型将供电块划分问题由平面点划分转化为面积域的划分问题，同时定义相应指标作为评价的标准，将变电站划分至最合适的供电分块中，形成一系列由小规模数量的变电站组成的供电块集合。某实际算例验证了所提方法的合理性。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：908288
    • 提供者：weixin_38643407
« 12 3 4 5 6 7 »