《改進的DBSCAN聚類算法在社會化標註中的套用》是熊回香、 葉佳鑫、蔣武軒撰寫的一篇論文。
基本介紹
- 中文名:改進的DBSCAN聚類算法在社會化標註中的套用
- 作者:熊回香; 葉佳鑫; 蔣武軒
- 發表時間:2018-12-25
- 來源:數據分析與知識發現
- 分類號:TP391.3
《改進的DBSCAN聚類算法在社會化標註中的套用》是熊回香、 葉佳鑫、蔣武軒撰寫的一篇論文。
《改進的DBSCAN聚類算法在社會化標註中的套用》是熊回香、 葉佳鑫、蔣武軒撰寫的一篇論文。摘要 【目的】改進DBSCAN算法並驗證其在社會化標註中的可行性及有效性。【方法】結合社會化標註的特點,分析標籤被用來標註資源的頻次及標籤的總...
《一種改進的DBSCAN密度算法》是於亞飛,周愛武撰寫的一篇論文。論文摘要 DBSCAN算法是一種基於密度的聚類算法,算法存在許多優點,也存在一些不足。比如對輸入參數Eps敏感,DB-SCAN由於採用全局Eps值,所以在數據密度不均勻和類間距離相差比較大...
傳統的劃分方法可以擴展到子空間聚類,而不是搜尋整個數據空間。當存在很多屬性並且數據稀疏時,這是有用的。為了達到全局最優,基於劃分的聚類可能需要窮舉所有可能的劃分,計算量極大。實際上,大多數套用都採用了流行的啟發式方法,如k...
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一個比較有代表性的基於密度的聚類算法。與劃分和層次聚類方法不同,它將簇定義為密度相連的點的最大集合,能夠把具有足夠高密度的區域劃分為簇,並可在噪聲的空間數據...
這個方法的指導思想就是,只要一個區域中的點的密度大過某個閾值,就把它加到與之相近的聚類中去。代表算法有:DBSCAN算法、OPTICS算法、DENCLUE算法等;圖論聚類法 圖論聚類方法解決的第一步是建立與問題相適應的圖,圖的節點對應於被...
《模糊聚類算法及套用 》是2011年09月國防工業出版社出版的書籍,作者是曲福恆。內容簡介 模糊聚類分析作為模式識別的一個重要分支廣泛地套用於計算機科學、生命和醫學科學、社會科學、工程學等領域。《模糊聚類算法及套用》介紹了聚類分析的...
聚類分析的一般方法是將數據對象分組為多個類或簇(Cluster),在同一簇中的對象之間具有較高的相似度,而不同簇中的對象差異較大。由於聚類分析的上述特徵,在許多套用中,對數據集進行了聚類分析後,可將一個簇中的各數據對象作為一個...
聚類方法 1,層次聚類(Hierarchical Clustering)合併法、分解法、樹狀圖 2. 非層次聚類 劃分聚類、譜聚類 聚類方法特徵:聚類分析簡單、直觀。聚類分析主要套用於探索性的研究,其分析的結果可以提供多個可能的解,選擇最終的解需要研究者...
《一種改進的全局K-均值聚類算法》是謝娟英,蔣帥等撰寫的一篇論文。論文摘要 將快速K中心點聚類算法確定初始中心點的思想套用於全局K-均值聚類算法,對其選取下一個簇的最佳初始中心的方法進行改進,提出選取下一個簇的最佳初始中心的一種...
在第3章中,提出基於密度的面板數據聚類方法。在相似性度量上,分別用Logistic回歸模型、判別分析、K近鄰分類器構造相似係數和非對稱相似矩陣。在聚類算法上,採用最佳優先搜尋和輪廓係數,改進DBSCAN聚類方法,提出非對稱相似矩陣的BF-DBSCAN...
發現採用改進後方法選取的初始類中心的k-means算法比隨機選取初始聚類中心算法有相對較高的準確率和穩定性。引文格式 韓凌波,王強,蔣正鋒,郝志強.一種改進的k-means初始聚類中心選取算法[J].計算機工程與套用,2010,46(17):150-152.
然後把稀疏矩陣套用到一個正則化譜聚類算法中,從而有效地把數據聚類到子空間中。最後,該算法套用到一個視頻序列中,對每個視頻幀里的運動物體進行識別,並與現有的子空間聚類算法相比較。實驗結果表明,該算法能夠有效地識別運動物體,具有...
6.3 鄰域K-medoids聚類算法 180 6.4 方差最佳化初始聚類中心的K-medoids算法 187 6.5 粒度K-medoids聚類算法 209 6.6 密度峰值最佳化初始聚類中心的K-medoids聚類算法 234 第7章 基於密度的無監督學習算法 259 7.1 DBSCAN算法 259 ...
標準數據集上的實驗結果表明,與傳統的K均值聚類方法相比,提出的改進的層次聚類方法的確能夠取得較優秀的聚類效果。引文格式 胡偉.改進的層次K均值聚類算法[J].計算機工程與套用,2013,49(02):157-159.
實驗結果表明,用改進的算法所獲得的矩陣估計誤差小且精度高,可使歸一化均方誤差減小1.3 dB,角度偏差最多可減小1°。引文格式 郭凌飛,張林波.一種改進的FCM聚類算法的混合矩陣估計[J].套用科技,2019,46(02):47-52.
當然,有這些還不夠,對於如下圖所示的數據在N維空間中的不是凸分布的情況下,此時我們就需要採用另外的一些評價指標。典型的無監督聚類算法也很多,例如基於局部密度的LOF算法,DBSCAN算法等,在此種情況下的聚類效果就非常的優秀。目標...
說明改進後的算法不僅可以節省配送時間,而且大大降低了運輸成本,有很好的經濟利用價值.引文格式 魯玲嵐,秦江濤.基於改進的K-means聚類的多區域物流中心選址算法[J].計算機系統套用,2019,28(08):251-255.