基于减法聚类的聚类上限确定方法

提出了一种基于减法聚类的聚类上限检测方法.仿真试验表明,这种方法能将聚类上限确定在一个合理的范围之内,从而加快聚类的效率.     

基于术语部件的领域本体自动构建方法研究——以教育技术学领域本体构建为例

知识工程研究已逐渐成为教育技术学研究的热点,其中构建领域本体是知识工程的一个重要方面。从已有的基于本体的应用研究来看,领域本体可以在资源聚合、学习资源个性化推荐、网站导航、平台开发等诸多方面发挥重要作用,而构建领域本体是各种应用得以实现的前提。目前,构建领域本体是一项浩大的工程,需要大量领域专家的参与,常常是手工完成,建设周期长。面对一个知识迅速增长的时代,仅仅依靠领域专家来手工构建领域本体显然不能满足需求。本研究提出了一种基于术语部件的领域本体自动构建方法,该方法通过术语部件之间的关系来自动发现术语之间的属种关系和并列关系,并以《电化教育研究》期刊为例,通过分析该期刊数年期刊论文的题录信息,提取出1719个术语,并通过领域本体自动构建方法构建起一个初步的教育技术学领域本体。     

基于特征向量自动选取的谱聚类算法

根据谱聚类矩阵特征向量组的分段常值性,提出一种基于特征向量组自动选取的谱聚类算法。其基本思想是：首先根据数据集计算出非对称规范Laplace矩阵,然后选择其前个特征向量,最后利用本征间隙法从上述特征向量中自动选取包含聚类信息的特征向量。实验表明,该算法在一定程度上解决了特征向量自动选取问题,可以获得质量较高的聚类结果。     

基于谱聚类算法的音频聚类研究

提出一种新颖的基于谱聚类的音频聚类算法,首先对音频数据进行预处理,得到三维音频向量,然后根据向量之间的距离计算音频相似度,最后设计谱聚类算法获得音频数据聚类结果。在网易云音乐数据上的对比实验表明,与K means算法和快速查找密度峰值聚类算法相比,该算法获得的聚类结果更加优越。     

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.     

基于改进遗传算法的K-means聚类方法

K-means算法是聚类分析划分方法中的一种常用方法,也是目前在数据分析方法中最有应用前景的方法之一。但K mean算法对初始聚类中心十分敏感,这对处理学生成绩等数据而言,会导致聚类结果极为不稳定。为此,提出基于改进遗传算法的K means聚类算法。该算法利用遗传算法解决初始聚类中心,提高聚类结果的稳定性,但存在前期过早收敛和后期收敛过慢的缺点。将改进遗传K means聚类算法应用于高职高专的学生考试成绩分析中,可以很好地解决传统遗传聚类算法对聚类结果的不稳定性问题,并通过聚类结果对学生考试成绩进行分类评价,利用所获得的数据聚类结果指导教学,从而提高教学质量。     

一种聚类后排序的灰色聚类评价方法

在灰色聚类分析法的基础上,改进传统的白化权函数,并对聚类后的评价对象进行排序,进而构建一个聚类后排序的灰色聚类评价方法.新的评价方法不仅可以对评价对象进行聚类,而且对同一灰类的评价对象进行排序,较好地解决了聚类对象的聚类和排序问题.引用图书馆员实际数据分析说明,构建的灰色聚类评价方法能够有效避免图书馆员工作评价的盲目性,为图书馆员的选拔、聘任和评价提供量化依据.     

基于层次聚类算法的改进研究

提出一种新的层次聚类方法,着重分析了该算法的思想体系及算法实现过程。该算法具有使结果簇更紧凑和独立的效果,具有更高的效率。     

基于模式元素的文档聚类方法研究

聚类问题的关键是把相似的事物聚集在一起,因此相似度计算是进行文档聚类的首要问题.XML模式是XML文档结构的体现,对XML文档的聚类可以通过XML模式的聚类来实现.本文提出一种基于XML模式元素的文档聚类方法,通过计算XML模式元素间的相似度来对文档进行聚类,综合考虑了XML模式中元素的结构和语义信息,进一步提高了计算相似度的精度,提高聚类的准确性,并且易于提取聚簇的通用XML模式.     

用于邮件自动分类的聚类剪辑算法设计

垃圾邮件给网络及用户造成了极大的危害,严重影响人们的工作、生活和学习.文章分析传统KNN技术在进行邮件分类中存在的问题,提出用聚类技术解决问题;进一步分析一般聚类算法存在的时间性能较低特点,设计改进算法提高算法的时间性能.     

文本聚类综述

聚类作为一种自动化程度较高的无监督机器学习方法,近年来在信息检索、多文档自动文摘、智能搜索引擎、短文本信息处理等领域获得了广泛的应用。本文首先讨论了文本聚类(Text clustering)的应用,然后对文本聚类算法、聚类关键技术进行了综述。     

体育术语跨类引申现象探讨

在日常社会生活中,许多原本属于体育领域的专用术语被人们用于指称或形容其他事物.本文试就这一语言现象产生的过程、特点及其原因进行分析和探讨.     

基于Web挖掘中聚类算法的浅析

针对Web挖掘,首先论述了Web挖掘的基本理论,接着分析数据挖掘中的聚类算法,讨论了聚类分析的数据结构和数据类型,以及聚类算法的分类,详细介绍了数据挖掘中用到的主要聚类算法,最后对评价聚类结果的方法进行了分析。     

基于直方图的K-means聚类中心自动检测方法

K-means聚类算法常用在图像分割中,聚类中心多采用随机选取,以彩色图像为研究对象,提出在彩色图像RGB三个分量灰度直方图中分别检测峰值,经三者排列后形成自动聚类中心的方法.实验结果表明:该方法简单、快速,检测出的峰值准确,形成的K-means聚类中心较为合理.     

数据挖掘中聚类方法比较研究

聚类是数据挖掘领域中的一个重要研究课题。聚类在电子商务、图像处理、模式识别、本分类等领域有广泛的应用。本首先建立了数据挖掘中聚类方法的比较标准，然后从基于优化、关系、变换这样一个新的角度对聚类方法进行了分类和比较，最后对数据挖掘中常用聚类算法进行了分析，以便于人们更易于选择研究方向和选择适合于具体问题的聚类算法。     

基于频繁项目集的多隶属聚类算法

通过分析目前的聚类算法，提出了多隶属聚类的概念；提出了一种基于频繁项目集的多隶属聚类算法，该算法能产生事务型数据的多隶属聚类。     

基于绝对理想的模糊聚类排序方法

指出曾文艺等用模糊聚类进行排序的方法有反序缺陷,给出一种消除反序的新方法——基于绝对理想的模糊聚类排序方法,最后通过实例验证了方法的有效性.     

基于无监督学习的抽油机井示功图自动聚类与批量标注方法

为充分利用大量未标注样本、节约人力与时间,提出了基于无监督学习的抽油机井示功图自动聚类与批量标注方法。首先,将抽油机驴头往复运动产生的位移、载荷数据转化为示功图图片样本,其中,示功图的横坐标为位移,纵坐标为载荷;其次,加载在ImageNet上训练过的带有一系列权重参数、具有强特征提取能力的卷积神经网络模型;然后,去除该网络模型的全连接层,利用该网络模型提取示功图图片样本的特征;最后,利用k-means聚类算法对提取到的特征进行聚类分析,将具有相似特征的示功图聚到同一文件夹中。批量的对示功图聚类结果进行快速标注,从而形成抽油机井故障诊断的示功图样本集。实验随机搜集了100口抽油机井的20 000条示功图数据,结果表明,基于无监督学习的抽油机井示功图自动聚类与批量标注方法耗时短、准确率高,为示功图样本集标注提供了一种高效方法,对于充分挖掘油田大数据的应用价值具有示范意义。