共查询到19条相似文献,搜索用时 81 毫秒
1.
2.
K-means聚类算法研究 总被引:2,自引:0,他引:2
华婷婷 《黄山高等专科学校学报》2013,(5):17-19
聚类分析是模式识别中一个重要研究领域,是一种将数据划分或分组处理的重要手段和方法.K-means算法是聚类算法中主要算法之一,文章介绍了K-means聚类算法的实现方法,并对其优点和缺点进行了详细的分析. 相似文献
3.
针对mean shift算法中带宽参数的选择不易确定的问题,提出了一种改进的自适应mean shift算法,并将其运用于彩色图像分割中。仿真结果表明,该算法对于不同类型的图像,均可以获得令人满意的分割结果。 相似文献
4.
针对mean shift算法中带宽参数的选择不易确定的问题,提出了一种改进的自适应mean shift算法,并将其运用于彩色图像分割中。仿真结果表明,该算法对于不同类型的图像,均可以获得令人满意的分割结果。 相似文献
5.
6.
7.
目前对聚类算法的研究越来越多,在数据挖掘领域,聚类面临着新的形势。总结了数据挖掘中主要的传统聚类算法,介绍了聚类方法的最新发展。 相似文献
8.
9.
研究了彩色图像水印算法,重点研究了彩色图像空间表示和转换关系、余弦变换、基于奇异值分解算法等。提出了一种彩色水印算法,该算法将彩色图像从RGB空间转换到HSV空间,并提取饱和度S分量,对S分量进行了DCT变换,从而获取低频信息,作为水印嵌入位置;在水印嵌入过程时,采用了基于奇异值分解的算法进行嵌入水印。为了检测该算法的鲁棒性,对该算法进行了加入高斯噪声、椒盐噪声、JEPG压缩、几何等方式攻击。结果表明,该算法能有效地抵抗JPEG压缩攻击,对加入噪声攻击也表现了较好的鲁棒性。 相似文献
10.
11.
12.
13.
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。 相似文献
14.
缪兵 《连云港职业技术学院学报》2012,25(1):7-9
重点讨论了聚类分析方法中K-means聚类算法在客户价值分析中的作用,通过对客户的现有价值和潜在价值进行分析,对客户进行细分。在此基础上,企业可结合行业的特征找出各类客户的特点,实行差异化服务策略,让更好的资源和服务提供给最有价值客户,从而达到顾客满意、企业盈利的目的。 相似文献
15.
传统的集中式聚类算法不适宜对传感器网络的分布式数据进行聚类,用遗传进化机制对传统k-means的分布式聚类算法进行优化,可得出遗传k-means聚类算法。遗传k-means聚类算法即在传感器网络中sink节点传送随机选取的初始k个簇心到各个传感器节点,在这些节点上分别用遗传k-means聚类算法将本地的数据划分到距离最近的簇,然后将簇信息在无线传感器网络里通过路由逐层上传合并汇聚到sink节点,计算k个簇心的平均值,再往下传送k个簇心,反复迭代更新直至聚类目标函数值达到最小为止。实验表明,遗传k-means聚类算法的聚类效果较好,收敛速度较快。 相似文献
16.
王桂红 《泉州师范学院学报》2009,27(2):44-49
聚类算法是数据挖掘的核心技术,基于密度的聚类是一类已经被证明非常有效的聚类方法.与DBSCAN算法作比较,文章提出了一种基于密度的聚类算法(Clustering Using Centers and Density,CUCD).该算法是基于中心点以及密度实现的,其核心对象是根据数据分布计算出来的虚拟的点,并且核心对象的代表性随程序的执行次数而提高;经实验验证,该算法具有较好的时间效率和聚类质量. 相似文献
17.
武则宇 《邢台职业技术学院学报》2013,30(3):70-72
随着计算机技术的迅猛发展以及网络技术的普及,人们有更多机会通过网络与外界进行信息交流。然而,随着数据大量的涌入,增加了我们获取有用信息的难度,数据挖掘正是在这一背景下诞生的。聚类分析是数据挖掘中的一种重要技术,是分析数据并从中发现有用信息的一种有效手段。本文主要研究的是基于宽度优先搜索的聚类分析算法。 相似文献
18.
ROCK是一种采用数据点间的公共链接数来衡量相似度的分层聚类方法,这种方法对于高维、稀疏特征的分类数据具有高效的聚类效果.其邻接度矩阵计算是影响其时间复杂度的关键步骤,将图形处理器(GUP)强大的浮点运算和超强的并行计算能力应用与此步骤,而其余步骤由CPU完成,这种基于GUP的ROCK算法的运算效率在AMD 643500+CPU和NVIDIA GeForce 6800 GT显卡的硬件环境下经过实验测试,证明其运算速度比完全采用CPU计算速度要快.这种改进的分层聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作. 相似文献
19.
连续属性离散化问题是机器学习的重要方面,是数据预处理问题之一。文章提供的基于粗糙集的层次聚类算法(RAHCA)是对层次聚类算法的一种改进,它能够自动调整参数,以寻求更优的聚类结果。实验结果验证了该算法的可行性,特别是在符号属性聚类方面有着较好的聚类性能。 相似文献