FCM聚类算法的改进

模糊C均值(FCM)算法广泛地应用于模式识别、图像分割等领域。根据FCM算法存在对初始解敏感且迭代过程中计算量大的问题,本文提出了一种改进的算法:先通过精简数据集,减少算法迭代的时间;再使用密度函数法得到FCM算法的初始聚类中心,以减少FCM算法收敛所需的迭代次数。实验结果表明,改进后的算法较好地解决了类中心的初值化问题,提高了算法的收敛速度和运行效率。     

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。     

基于改进谱聚类的医学图像分割算法

为了解决基于像素难以有效分割的医学图像问题,提出一种改进谱聚类方法:一,将全局划分成具有强关联的子问题提高图像分割精度;二,传统基于欧氏距离度量的聚类容易陷入局部最优,提出流行距离构造样本相似矩阵,从而得到图像全局上的一致。最后通过对脑核磁共振图像分割验证算法的有效性。     

蜂群K-means聚类算法改进研究

针对经典K-means聚类算法过于依赖初始聚类中心和易陷入局部最优的不足,提出一种带有学习能力的人工蜂群算法(ABC)与K-means迭代相结合的聚类算法。该算法通过能动态调节的学习权重因子来平衡人工蜂群算法的全局探测与局部搜索能力,同时结合K-means聚类快速的优点,来提高聚类算法的全局寻优能力,降低初始聚类中心对算法聚类质量的影响。通过仿真试验验证,该算法克服了K-means算法的缺点,具有收敛速度快、稳定性强和聚类精度高的优势,得到良好的聚类效果。     

基于改进均值聚类的混合型数据库查询优化算法

采用传统算法进行混合型数据库查询,由于文档与查询的匹配过于严格,存在对检索词的重要程度无法区分的问题,造成无法进行检索结果的排序的缺陷。为此,提出了一种基于改进均值聚类算法的混合型数据库查询优化方法。建立混合型数据库查询执行计划代价模型,精准的定义了数据库查询执行代价。将改进均值聚类算法与粒子群算法有效的相融合,将粒子群中的粒子划分为多个子群,更新所有的粒子,通过粒子间的相互信息融汇,搜寻到数据库查询最优解。实验仿真证明,基于改进均值聚类算法的混合型数据库查询优化方法精确度高,效率高。     

基于改进聚类算法的卫星数据异常检测模型

利用数据挖掘技术对Demeter卫星数据进行分析从而发现异常数据已成为当前研究的重点,为了进一步提高异常数据发现的质量,本文提出了一种改进的聚类算法,对Demeter卫星电场数据进行异常检测,该算法首先将数据随机取样,引入信息熵理论,对PAM算法进行改进,并对卫星数据进行划分,以找到聚类中心,最后对改进算法进行了分析与比较,实验结果证明了算法的有效性。     

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。     

基于浏览内容研究的一种改进的聚类算法

分析了现有聚类算法和实际应用环境后，提出了将层次凝聚法(agglomerarive algoroithm)和平面划分法(K-means algorithm)相结合的新算法，并对改进方法做了较为全面的模拟实验。根据模拟实验分析表明，本文所改进的聚类算法实现简单，准确率较高。     

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。     

一种改进的多维度加权聚类算法

针对K-means聚类算法无法确定k值,并容易忽视在多维角度下进行聚类的缺点,本文提出了改进的多维度的加权的算法,在自适应K-means聚类算法的基础上引入了视图权重和变量权重,得到了包含多层变量的目标函数,通过数学证明使得目标函数最小化,得到最优的聚类效果。实验采用3个标准数据集作为聚类研究的对象,通过与FCM算法比较,说明了本文算法在聚类方面具有良好的效果。     

改进的并行化谱聚类算法研究

提出改进的并行化谱聚类算法。该算法对于距离矩阵与相似度矩阵进行了改进,并在其中加入了kd树技术以对大规模数据进行稀疏化处理;然后在进行数据特征计算时,将数据以拉普拉斯矩阵的方式存入Hadoop之中,通过运行Lanczos分布计算的形式得到了其向量特征;最后运用在聚类算法中的较为高效的k-means聚类算法对向量特征的转置矩阵进行处理从而得到了需要的聚类结果。仿真实验结果表明,本文所提出的谱聚类并行算法能够为大规模的数据挖掘工作带来性能的巨大提升。     

基于混沌和非线性规划的萤火虫算法

为了弥补标准萤火虫算法(FA)收敛性差、精度低和时间性能差等不足,采用Tent混沌映射初始化萤火虫种群位置,提升初始化萤火虫种群质量;在萤火虫位置更新迭代过程中,采用非线性规划优化萤火虫位置,增强了算法的局部搜索能力,提高了算法的收敛性能和优化精度以及时间性能。通过仿真证明所提出的新算法具有较强的搜索能力和收敛性,提高了标准萤火虫算法的求解精度。     

基于改进谱聚类算法的生物制药产业专利价值评估研究

有效评估药物专利价值有必要考虑制药基础技术细节以及新药专利保护期限较长的特殊性等有关实际，同时，利用机器学习方法开展专利价值评估的研究仍有待进一步完善，因此，针对生物制药产业专利价值评估准确性问题，结合产业技术因素及其专利特点，以及专利价值评估的共性指标和生物制药产业特征与专利技术特点的个性指标，引入自编码器（AE）模型和谱聚类算法（SC）构建专利价值评估算法模型，以药智专利通数据库的相关专利数据为样本进行实证分析，通过提取专利指标特征、专利聚类来进行专利价值评估，并运用支持向量机方法对专利价值进行分类，以验证AE-SC评估模型的有效性。结果表明：AE-SC评估模型通过自编码器提取专利特征后的专利价值聚类准确度优于谱聚类和传统K-means聚类；专利存在年数、药物专利类型、适应证类别等是评价生物制药产业专利价值必要考虑因素。     

基于遗传算法和梯度下降法的聚类新算法

基于遗传算法的聚类算法是一种全局优化算法,但是其局部搜索能力较差,而梯度下降法却具有较强的局部搜索能力,本文在通过遗传算法搜索得到近似全局最优解的基础上,采用梯庹下降法进一步搜索全局最优解,得到两者相结合的新算法.     

基于层次聚类和图中心的关键帧提取算法

关键帧提取算法技术是视频检索的一个重要研究方向。文章提出基于层次聚类和图中心提取关键帧的算法,该算法是将组成镜头的图像帧看作图中的结点,在图的结点中,找到最能代表所有结点的那几个点,同时尽量避免冗余。根据这个思想,采用图的思想来解决提取关键帧的问题。实验表明,该方法能较好的提取关键帧,减少关键帧的冗余度,提高关键帧的代表性。     

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。