文本聚类算法的比较研究

本文对K-means和CURE聚类算法的算法思想和优缺点进行了深入的理论研究,并对这两类算法的性能进行了分析与比较。     

数据流聚类算法分析

数据流作为一种新的数据对象,近年来成为了数据挖掘领域的研究热点问题,具有很大的应用前景。文章首先比较了数据流聚类分析和传统的聚类分析的一些不同点,然后对目前几个典型的数据流研究成果进行了分析,最后对数据流的进一步研究方向进行了展望。     

空间数据挖掘中的聚类算法

较为系统的综述了当前空间聚类算法的相关研究。依据这些算法的特点,将它们归纳为两类：划分聚类算法、层次聚类算法。针对划分聚类算法,重点分析了PAM、CLARA和CLARANS算法。针对层次聚类算法,重点分析了BIRCH、CURE算法。比较了这些算法的复杂度,并介绍了相关应用。     

科学计量学常用工具的聚类算法分析

介绍聚类算法的过程以及聚类有效性指标的分类,分别评述科学计量学常用软件中的几种聚类算法,分析聚类算法的特性并采用基于类内紧密度和类间分离度对聚类结果的有效性进行探讨,总结各聚类算法的效果并对应软件分析的结果进行案例分析。     

模糊聚类的最优化算法

求与一个模糊相似矩阵“距离”最近的模糊等价矩阵，至今已提出了两个求局部最优解的算法和一些启发式算法，本文也提出一个简便可行的求局部最优解的算法，这算法与线性规划的单纯形算法一样，也是在有限个“顶点”上寻优。     

蚁群聚类算法研究现状的分析

数据挖掘技术能从海量数据中发现潜在的有用的信息和知识,蚁群算法在处理组合优化问题方面也已取得了较好结果,这就使得将蚁群算法应用于数据挖掘中的前景非常广阔。本文主要讨论了蚁群算法在数据挖掘聚类分析中的研究现状,最后总结了蚁群算法在数据挖掘应用中尚待解决的问题。     

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。     

聚类分析中聚类标准的研究与应用

聚类分析算法众多,文章探讨了聚类分析中聚类标准的设定以及按照不同标准的聚类方法在绩效考核方面的应用。     

聚类算法在评估区域水资源中的应用

本文首先阐述了聚类分析的基本原理,归纳层次聚类分析的步骤和方法,并使用它对我国部分区域水资源进行了科学的分类。     

聚类方法在公共设施选址中的应用研究

对空间数据挖掘聚类技术及其在公共设施选址方面的传统应用方法进行了综述,分析了传统应用方法中有待解决的关键问题,对空间距离代价的表示问题和传统方法的算法时间复杂度进行了初步探讨,运用模拟退火算法和图论对传统方法进行了改进,实现了算法时间复杂度的降低和聚类结果的优化。     

基于蚁堆原理的聚类算法在数据挖掘中的应用研究

基于蚁堆原理的聚类算法是一种新的仿生算法,该算法已经在当前的数据挖掘研究中得到了多种应用。本文在介绍回顾该算法发展历史的基础上,简要评述了部分具有代表性的该算法改进模型及其应用情况。最后,对该算法在今后的研究方向作了展望。     

无线传感器网络分簇路由协议的对比分析

本文分析了无线传感器网络中基于分簇的路由协议的优点,介绍了几种基于分簇的路由协议,通过分析对比的方式总结了这几种协议在网络性能方面的优缺点。     

流数据聚类研究综述

流数据挖掘技术是数据挖掘领域的新研究方向之一,而聚类研究又是其重要的内容。本文介绍了流数据基本特点,在统一流聚类表示模型的基础上,对现有流数据聚类算法进行了总结,并进一步提出了流数据聚类技术的研究方向和前景。     

基于城市消费水平多指标面板数据的聚类分析研究

消费水平是衡量居民生活水平的重要指标,也是相关政策制定的主要依据。我国省市众多,不同地区经济发展水平不同,文化历史也存在差异。本文利用具有时间和空间两个维度的城市消费水平多指标面板数据,对各地区消费水平及发展模式进行聚类,并分析各类地区的消费模式特征及差异,从而得出关于城市消费模式相似性和差异性的结论。同时,本文还根据分析结果,对某些地区的消费模式发展问题提出具体建议。     

网络计量学的一种Internet分布式聚类分析软件

聚类分析是人类认识世界和归纳知识最基本的技术之一。对网络计量学也不例外，如对网站及文献资源进行分类分析等。模糊聚类分析通过计算模糊等价关系矩阵，保证了样品间相似关系的自反性、对称性，以及传递性，是一种反映客观世界真实相似关系的聚类技术。在本研究中，研制了可选择多种相似性测度的模糊聚类分析的Internet分布式计算软件FuzzyCluster。该软件由6个Java类和一个HTML文件组成，具有友好的图型用户界面，可在多种网络浏览器上运行，可用于网络计量分析研究。     

一种应用聚类分析的科研立项评审数据处理方法

本首先简单地介绍了基金项目立项评审的操作过程和现行专家评审数据的处理方法,并举例分析了这种处理方法所存在的不足,最后,从聚类分析的角度出发,提出了两种新的数据处理方法,表格聚类法和指标聚类法,分析表明,在立项评审中采用这两种数据处理方法比现行的处理方法更具有可行性。     

基于灰色关联聚类分析的智慧城市建设领域发展水平实证研究

从智慧城市六个建设领域发展水平角度出发,利用灰色关联分析法得出智慧城市六个建设领域相对发展水平的关联度,在关联度的基础上对各个建设领域进行聚类分析得出三类不同发展水平的建设领域。研究结果有效的揭示我国智慧城市各领域建设存在不平衡性特征。     

聚类分析在入侵检测系统中的改进

本文针对传统的聚类算法在入侵检测系统中的不足,提出一种基于密度的初始聚类中心的选择方法,可克服普通K-Means中的需人工确定K值的问题,用此算法改进的入侵检测模型能够获得很好的聚类效果。对比实验结果,发现使用改进后的算法与传统的K-Means相比可以获得更高的检测率和较低的误报率。