一种聚类方法的分析

目前聚类技术已经成为许多领域研究的重要方法,特别在图像分割及模式识别中,聚类更是一种常用的重要技术.本文分析了系统聚类法中最短距离法的特点,并把最短距离法在彩色图像分割中加以应用.     

基于分治递归的层次聚类算法实现

层次聚类算法是一类重要的聚类分析方法。传统的层次聚类算法的时间为O（n2）空间复杂度很大，这使得聚类分析在大型数据集上的应用受到限制。该文提出一种基于分治递推改进算法，该算法将大大减少算法的时间复杂度和空间复杂度。     

开通公交客运班线的模糊聚类决策方法

文章针对公交客运班线开通时出现的状况区分不确切、边界不清楚的情况，引入了模糊聚类分析方法，将模糊情况问题进行了定量化和数学化。本文是因实际案例而产生的，而案例本身也验证了该方法的有效性和独到性。     

一种基于粒度的聚类算法

聚类和粒度具有天然的相通性,本文探讨了基于粒度聚类算法的一般框架,并基于该框架,研究了一种基于网格密度的文本聚类算法,最后以例证说明这一方法的可行性。     

改进的遗传模糊混合聚类算法

本文对模糊C-均值（FCM）与遗传算法相结合的混合聚类算法进行了研究,针对遗传算法部分的染色体编码、种群初始化、个体适应度函数、遗传算子以及遗传参数设置等问题,给出了一种新的设计方法,进而得到了一个改进的遗传模糊混合聚类算法（HGFA）,并用MATLAB进行了仿真试验．结果表明该算法不但提高了收敛速度,而且聚类质量也有明显改善．     

一种基于超图模式的数据聚类方法

针对高维空间数据,提出一种基于超图模式的数据聚类方法,即把给定的高维空间中的原始数据映射到一个带权超图中,再对超图应用算法对顶点进行划分,从而得到相应数据项的聚类。     

对基因表达数据进行聚类的一种新型自组织映射模型

Clustering is an important technique for analyzing gene expression data. The self-organizing map is one of the most useful clustering algorithms. However, its applicability is limited by the fact that some knowledge about the data is required prior to clustering. This paper introduces a novel model of self-organizing map （SOM） called growing hierarchical self-organizing map （GHSOM） to cluster gene expression data, The training and growth processes of GHSOM are entirely data driven, requiring no prior knowledge or estimates for parameter specification, thus help find not only the appropriate number of clusters but also the hierarchical relations in the data set. Compared with other clustering algorithms, GHSOM has better accuracy. To validate the results, a novel validation technique is used, known as figure of merit （FOM）.     

一种基于半监督模糊聚类的人脸识别方法

人脸识别技术是图像处理方面的重要技术。通过对人脸数据进行标准化处理,利用主成分分析和半监督模糊聚类算法对人脸数据库进行聚类分析。实验结果表明,半监督模糊聚类利用主成分降维得到的22个特征进行聚类,对于已知类别属性的人脸,聚类结果与这些属性的一致率达100%,而对于其他数据,一致率也达到99%以上。     

一种基于模糊聚类方法的入侵检测研究

聚类分析是一种有效的入侵检测方法.可以从网络数据中区分正常流量和异常流量.本文提出一种模糊聚类分析方法,利用数据之间的相似度进行聚类,试验证明,该方法可以有效地检测网络入侵.     

泉州市区经济适用房模糊聚类分析

在＂泉州经济适用房评价指标体系＂调查数据的基础上,应用模糊聚类分析方法对其进行分析。根据分析结果提出提升经济适用房品味的建议。     

模糊聚类分析在数据挖掘中的应用研究

聚类分析是数据挖掘的一个重要研究领域,按照一定的要求和规律将事物进行分类的一种数学方法。将模糊数学的模糊理论应用于数据挖掘的聚类分析中,提出一种快速模糊C-均值聚类算法,并给出模糊聚类分析在数据挖掘中的应用的主要步骤,大大提高计算效率,收敛速度非常快,对大量数据处理是有实际意义的。     

半监督模糊聚类及其在羊蹄甲叶片识别的应用

提出了一种半监督模糊聚类算法,给出了它的迭代公式,指出该算法可以有效提高聚类算法的效率．结合Fisher降维方法,从叶片的色调、绿色灰度的18个特征中提取出两个主分量,并采用这些二维数据对羊蹄甲角斑病的受害程度作聚类分析．结果显示,对40张使用了其类别属性参与聚类的叶片,聚类结果与这些属性的一致率达100％,而对于其他数据,一致率也达到95％以上．     

基于模糊聚类的入侵检测系统的实现

传统的入侵检测技术在扩展性和适应性上已不能应付越来越复杂的攻击方式,利用模糊聚类方法可以在入侵检测中生成更好的检测规则,提出了FCM的改进算法SFCM,设计并实现了基于SFCM的入侵检测系统FCIDS,利用KDD CUP99数据进行实验,结果表明能够显著提高检测率和降低误报率。     

模糊聚类法在矿井煤炭自燃预测中的应用

影响矿井煤炭自燃的因素包括煤炭自燃倾向性、地质条件、开采技术条件,煤炭自燃预测是一个模糊系统。应用模糊聚类分析法,将一定数量煤矿自燃信息作为样本进行聚类分析,可以得到煤层自燃危险程度模式,预测待开采煤层的自燃危险程度。     

一种基于向量空间模型的文本聚类方法

研究了一种基于向量空间模型的文档聚类方法.提出了一个新的聚类模型,即在传统聚类模型的基础上增加一个文档特征向量调整模块;给出了一个特征评价函数用以进行特征提取;对一种基于相似度的平面划分聚类算法做了一些改进.实验结果表明本文提出的聚类模型是可行的.     

基于模糊聚类的自适应模糊神经网络

本文将模糊C均值聚类和自适应神经模糊网络结合起来．模糊C均值聚类用于对输入变量空间进行划分,生成初始的模糊规则库,自适应模糊神经网络（ANFIS）选用最小二乘法和BP算法．与普通的模糊神经网络相比,这种模糊神经网络收敛速度快,建模精度高。     

基于层次迭代思想的聚类算法的研究

聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类无论在商务领域,还是在生物学、Web文档分类、图像处理等其他领域都得到了有效的应用。本文主要研究的是基于迭代思想的聚类算法。     

高维数据集聚类结果的可视化分析

面向高维数据的聚类分析是当今数据挖掘研究的重要领域,其中的关键问题在于如何对高维数据的聚类结果进行高效率的可视化分析。针对这一问题首先使用了数据聚合树（DA树）作为代表高维数据集的数据结构,并将一个新的聚集算法（CLUK算法）应用于该数据集,获得聚类分析的结果,然后搭建了一个可视化平台（Hvis）,最后利用平行坐标法在...     

基于模糊聚类分析的客户分类算法研究

A customer-classified evaluation system is described with the customization-supporting tree of evaluation indexes, in which users can determine any evaluation index independently. Based on this system, a customer-classified algorithm based on fuzzy clustering analysis is proposed to implement the customer-classified management. A numerical example is presented, which provides correct results,indicating that the algorithm can be used in the decision support system of CRM.