基于元搜索的聚类挖掘引擎

针对目前搜索引擎返回结果的海量性和无结构性，构建一个基于元搜索的聚类挖掘引擎，旨在利用元搜索引擎返回的结果，提高搜索结果聚类效率，快速有效地为用户提供一个搜索结果结构视图，从而进行进一步的知识发现。介绍了搜索引擎和挖掘引擎的主要功能及差别，应用向量空间模型对元搜索结果进行处理。介绍当前主要的聚类算法-K—means划分法和层次凝聚聚类法，并在此基础上提出基于元搜索结果将两种聚类算法相结合的聚类方法。     

一种基于日志聚类邮件网络社区划分挖掘算法

针对现有的网络社区挖掘算法在社区划分的质量不高及执行效率低的问题,提出了一种基于日志聚类的邮件网络社区挖掘算法LENCM(the log clustering based e-mail network community mining algorithm),算法根据日志聚类节点的密度变化确定核心节点,构成日志连通子图并确定邮件网络社区划分的初始社区中心点和个数,采用错误注入的方式构造算子,并把执行后的日志与关联规则进行比较,借助社区中心动态调整方法将非核心节点划分至所属社区。实验证明基于日志聚类的邮件网络社区划分挖掘算法有较高的划分质量和较快的执行效率,具有一定的有效性和可行性。     

一种基于组合策略的聚类描述方法及其应用

针对DCF聚类描述法存在的问题,提出一种基于组合策略的聚类描述方法,即综合利用"先描述、后聚类"和"先聚类、后描述"的优点,解决聚类描述的可理解性问题.实验结果表明该方法的有效性,将该方法用于搜索结果聚类这一应用中.     

一种搜索模糊聚类全局最优解的Tabu算法

模糊聚类问题由于其非凸性而成为一个难以解决的数学问题。在解决模糊聚类问题时,会出现很多局部极小值和鞍点。因此,启发式的模糊C-均值算法是应用最为广泛的算法,其缺点是很容易陷入局部极小值。本文提出了一种搜索模糊聚类全局最优解的Tabu搜索算法,并比较这种新算法和模糊C-均值算法的性能。经过多次数据试验,证明Tabu搜索算法在搜索全局最优解时是很有效的。     

一种基于Small-World和相似度的文本聚类算法

在介绍Small-World基本概念的基础上,利用人类语言中存的Small-World现象,提出了一种基于Small-World的文档关键字提取算法,给出一种相似度聚类算法的描述.     

基于知识挖掘技术的模糊信息聚类及联想设计

针对知识发现中的模糊信息查询问题 ,提出了一种基于知识挖掘中神经网络技术的模糊信息聚类及联想设计方法。首先按照分类对信息源进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而模糊信息联想采用Hopfield网络实现。将基于上述算法开发出的模糊信息查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。     

基于文本挖掘的分类与聚类技术

从基于文本挖掘理论和实践两方面,探讨了文本的分类与聚类的理论、技术及两者之间的区别,讨论了聚类与分类技术在文本挖掘过程中的重要作用,通过所列举的自动分类与聚类的应用实例,能给读者的实际工作以一定的借鉴。     

基于社会演化算法的聚类新算法

K均值聚类算法通常只能以局部最优结束,很难找到全局最优。提出了一种基于社会演化算法和K均值算法相结合的聚类新算法。在该算法中提出了认知主体在聚类中对范式学习的新的方式。实验证明该算法能大大提高聚类的效率和精度。     

数据挖掘中SOM神经网络的聚类方法研究

在数据挖掘领域里,SOM神经网络聚类是典型的基于模型思想的聚类方法.本文阐述了SOM神经网络的工作过程、算法的训练过程及应用.通过对我国各地区GDP数据进行聚类分析,可以及时了解各地区经济实力等重要的信息,对各级政府政策制定及宏观调控都具有非常重要的现实意义.     

基于类Haar算法的车辆识别技术研究

随着经济的发展,我国汽车销量大幅增长,为了避免交通事故的发生,车辆识别技术也逐渐被广泛的应用。本文介绍了车辆识别的原理,并基于类Haar算法的车辆图像识别,对图像采集、牌照图像分析及软硬件设计等进行了研究,提出了基于类Haar算法的车辆图像识别系统。该系统解决了车辆识别性差、识别速度慢等问题,提高了识别速度。     

一种基于核聚类的模糊支持向量机方法

模糊支持向量机（FSVM）具有很好的抗噪声能力,受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足,本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重,并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。     

一种新的基于层次凝聚的高效复合聚类算法

复合聚类算法是在改进的单连接算法和基于距离的聚合算法的基础上叠加形成。改进传统的单连接算法可以缩短数据聚合的时间,而基于距离的聚合算法则可以增大结点规模,满足数据量大、复杂度高的要求。实验结果表明,采用复合聚类算法能够有效地提高数据聚集的准确率和缩短响应时间。     

一种基于聚类技术的全新的无锚点定位算法

无线传感网络应用广泛,且大多数应用涉及定位方面。鉴于传感器在未预装GPS的情况下获取到节点位置信息就显得十分重要。本文在聚类基础上提出一种全新的无锚点定位算法。该技术综合考虑节点能量、连接程度和三角不等式的几何极限定理这三个要素以启发式方式来创建聚类,然后将它们融合成一个集合。该技术可在不依赖任何锚节点的情况下有效解决定位问题,克服传统无锚点算法存在的累积误差问题,提高定位精确度和节约传感器能量。仿真实验结果表明引入融合做法后,本文算法与传统的ABC算法相比可将定位精确性提高30%~70%。     

一种基于系统聚类的图书馆读者细分模型

读者细分是图书馆管理中迫切需要解决的问题,"被动服务"的图书馆服务模式逐渐转向"读者驱动",所提供的个性化服务应该符合读者的实际需求,因此这种个性化服务对于目前单一的读者属性细分方式提出了更高的要求。本文采用系统聚类算法建立了图书馆读者细分模型,进而提出了四种不同的细分方式,并用图书馆流通数据对模型进行了测试,验证了该细分模型的实用性和有效性。     

一种基于模式的兴趣挖掘算法

提出一种基于模式的兴趣挖掘算法,通过查询日志获取访问序列,使用本体中的概念描述用户兴趣,提出一种计算兴趣得分公式,并根据兴趣得分将用户兴趣序列划分为不同的兴趣模式。本文算法实验结果显示,算法能够有效地实现用户兴趣挖掘。     

数据挖掘中模糊C聚类算法的寻优能力优化

随着数据库技术的不断发展,现有的聚类分析算法已经无法满足数据挖掘的聚类分析的需求。本文主要针对传统的模糊C聚类算法,将其中存在的问题进行改进,并在核函数和权值优化的基础上,提出模糊C聚类算法。首先对模糊C聚类算法的特征权值进行优化,然后引入核函数的概念,对模糊C聚类算法的寻优过程进行改进。仿真验证得到的结果是,本文所提出的模糊C聚类算法,能够在核函数和权值优化上有更好和更加稳定的聚类。