基于用户聚类的推荐算法研究

随着21世纪的到来,市场上出现了以淘宝和亚马逊为代表的一些电商平台,这些平台为消费者提供了极大购物便利的同时,也出现了很多因为数据过大而导致的一系列问题,例如数据量过大,导致聚类算法效率低下,不能及时给用户推荐产品,同时数据量过大,导致数据稀疏性问题明显。因此,文章研究了基于用户聚类的服装推荐技术。基于传统协同过滤算法中,由于其本身特性造成的推荐效果实时性不高以及效率低下的问题,引入用户兴趣变化模型,以及评分预测时间模型,提出基于时间和用户兴趣改变的协同过滤推荐算法,对传统过滤算法进行针对性的修改。     

基于优化初始聚类中心的K-means聚类算法

针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法。该算法通过量化样本间距离和聚类的紧密性来确定聚类数目K值;根据数据集的分布特征来选取相距较远的数据作为初始聚类中心,避免了传统K-means算法的聚类数目和聚类中心的随机选取。UCI机器学习数据库数据集的实验证明,本文所提出的改进的聚类算法获得了良好的聚类效果,同时获得较高的聚类准确率。     

核聚类算法研究

聚类算法是数据挖掘的基本算法之一,核聚类方法通过引入核方法,把输入空间的数据非线性映射到高维特征空间,增加了数据点的线性可分概率,扩大数据类之间的差异,使得到的聚类结果更准确的反应分布的情况。     

基于高斯核的KSOFM聚类算法研究

文章提出了一种基于高斯核的KSOFM聚类算法,通过核函数将输入空间中的样本映射到高维特征空间中,并在特征空间中进行聚类。核函数的应用使得在原空间中未曾体现的信息得以展现并被聚类算法所运用,使得聚类算法在性能上有较高的提升。     

基于改进文化算法的聚类模型研究

依据文化算法框架对文化算法的种群空间、信仰空间以及这两个空间的通信协议进行研究,分析各种函数的工作机制,设计基于进化策略的改进文化算法的种群空间,实现基于改进文化算法的聚类模型,实验结果表明,该聚类模型可以有效的提高聚类效果。     

基于Spark的聚类算法探讨

Spark提供基于内存计算的开源计算,支持全栈式解决批处理、数据查询和机器学习等业务场景。Spark生态系统在机器学习领域的重要应用MLlib,具有很多常用算法,实现了K-means等多种分布式机器学习算法。本文主要探讨Spark的功能、体系结构和Spark的特点,聚类算法和基于Spark机器学习库MLlib及其K-means算法。     

基于信息素的蚁群聚类算法

数据挖掘是在海量的数据中寻找模式或规则的过程。数据挖掘强调的是发现知识,获得的知识类型包括关联规则、分类、回归、聚类、依赖模型等。本文对其中聚类分析技术进行了较为深入地研究与分析,提出基于信息素的蚁群聚类算法PCBP,利用信息素指导蚂蚁移动,用不同速度的蚂蚁来改善聚类质量,并在这个思想基础上提出层次化蚁群聚类方法。为人们研究聚类提供了新思路和新途径,因此本文的研究具有一定的理论和实践意义。     

基于人工免疫增量的聚类算法

文章提出了一种基于人工免疫增量的聚类算法。该算法在人工免疫可更新聚类算法的基础上,结合蚁群增量聚类算法的思想,将原聚类得到的记忆抗体矩阵作为初始矩阵,调用人工免疫聚类算法处理增量数据,然后采用类解体机制处理类内误差超过规定阈值的聚类。     

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。     

基于文本信息的聚类方法研究

随着信息技术和Web技术的发展,如何从海量的Web文本信息中找到自己所需信息已成为一个重要的研究领域。在众多信息获取方法中,聚类技术是一种被广泛应用的方法。总结了文本聚类算法的研究现状,比较了算法的主要差异和整体思想,并分析了各种方法的优劣,同时指出了文本聚类研究今后的发展趋势,即在粒子群聚类过程中融入其它传统聚类方法的思想,以提高聚类性能。     

基于粗糙集和模糊聚类方法的属性约简算法

在基于粗糙集的属性约简算法中引入模糊等价关系的一种新的度量方法,重新定义了高维数据中的属性重要度,提出了一个结合粗糙集和模糊聚类方法的属性约简算法,并通过实验得到了用户满意的属性约简结果。     

基于DBSCAN算法的目标聚类分选技术研究

为解决在无先验情报信息条件下复杂信号环境中目标分选困难的问题,提出了一种基于DBSCAN算法的目标聚类分选技术。该技术首先基于信号的位置信息进行聚类分选,再统计分选结果的电磁参数特性,并根据统计结果进一步自适应分选,最终获得目标雷达的电磁情报信息和精确定位结果。仿真结果验证了本技术正确有效。     

基于模糊聚类集成算法的客户细分研究

针对客户行为的不确定性和模糊性,将模糊聚类集成技术应用于CRM中的客户细分研究,以提高客户聚类的精度.以模糊C均值(FCM)算法作为基本的聚类器,应用模糊t-范式对生成的多个聚类器进行集成,从而获得最终的客户聚类结果.最后,在1O个UCI数据集上进行聚类测试,结果表明,基于模糊t-范式的模糊聚类集成方法的聚类精度要高于常用的客户聚类FCM和K-means方法.在客户信用卡数据集Australian上的学习曲线还表明,聚类集成方法具有更稳定的聚类性能.     

基于概念语义场的文本聚类算法研究

传统的基于关键词的文本聚类算法,由于难以充分利用文本的语义特征,聚类效果差强人意。笔者提出一种概念语义场的概念,并给出了基于知网构建概念语义场的算法。即首先利用知网构造义原屏蔽层,将描述能力弱的义原屏蔽,然后在分析知网结构的基础上给出抽取相关概念的规则,以及简单概念语义场和复杂概念语义场的构造方法。最后给出一种基于概念语义场的文本聚类算法。该算法可充分利用特征词的语义关系,对不规则形状的聚类也有较好效果。实验表明,该算法可以有效提高聚类的质量。     

体育运动视频图像基于聚类提取算法的研究

针对在同一场景下获取的体育运动视频序列,提出了一种基于累积帧差交集聚类提取运动员对象的算法。首先进行预处理,然后通过采取将两类帧差结果交集聚类的方法,并用中值滤波和形态学方法提取处理差值图像,得到运动前景对象。实验结果表明,该算法计算量较小、复杂度较低、实时性较高,能够获得较好的分割效果。     

基于k-means聚类算法的专利地图制作方法研究

利用专利文献,制作专利地图是有效监测和了解技术发展现状和趋势的重要手段之一,因此最近几年以来,关于专利地图的研究在知识产权领域引起了广泛的关注。本文分析了专利地图在国内外的研究现状,归纳了专利地图的功能,剖析了当前专利地图制作方法的不足,利用了专利文献中的结构化项目和非结构化项目,通过k-means聚类算法,形成语义网络,并最终制作完成可视化专利地图。而根据该专利地图,可以清晰而直观的看出所研究目标技术领域的技术发展路径。     

基于聚类算法的ADS-B数据误差分析方法

本文针对ADS-B数据的在固定航路不同区域误差不同,提出一种改进的聚类算法分析误差存在规律。首先根据实际数据估计飞机真实位置,将飞机真实位置与实际位置相对比得到位置误差。采用果蝇算分优化后的聚类算法对汇总的大量飞机位置误差数据进行聚类,分析位置误差在航路上的存在规律,后续可结合实际环境、系统等多方面对误差存在情况进行分析,并采取相应措施,为提高航空监视性能、保障飞机安全运行提供一定的借鉴,为航空事业的发展贡献一份力量。如付诸现实,ADS-B数据可靠性将有所保障,航空监视性能将有所提高,飞机才能更安全有效地运行,为国家和航空公司带来更大的经济效益。     

聚类算法的分析与研究

本文对聚类分析中聚类算法的基本理论进行了详细分析研究,并在此基础上,提出了一个聚类算法的通用算法框架。