论文研究 优化K means初始聚类中心研究.pdf
在研究概念格和项集关系的基础上，将剪枝概念格模型引入数据库中项集的表示与挖掘，利用概念间的关系性质，在构造过程中及时、动态地剪枝，删除与项集求解无关的概念，不丢失信息的同时能有效压缩频繁项集的规模，实验证实了算法良好的性能。
用户评论
相关推荐
论文研究means算法初始聚类中心选择的优化.pdf
隐马尔可夫模型（HiddenMarkovModel，HMM）是一种有效的时序信号建模方法，已广泛用于语音识别、文字识别等领域，近年来也被用于人的行为识别。人的行为序列是一种特殊的时序信号，每类行为往往
PDF
0B
2020-05-27 14:05
对k means初始聚类中心的优化.pdf
改文献针对传统k—means算法对初始聚类中心敏感的问题，提出了基于数据样本分布选取初始聚类中心的改进k．means算法。该算法利用贪心思想构建K个数据集合，集合的大小与数据的实际分布密切相关，集合中
PDF
339KB
2020-07-18 09:35
基于密度的优化初始聚类中心K means算法研究
传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进
PDF
116KB
2020-07-24 05:09
优化初始聚类中心的K_means算法
优化初始聚类中心的K_means算法用于K-MEANS算法的改进
PDF
0B
2019-08-01 23:09
K Means算法的初始聚类中心的优化
传统的K-Means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-Means算法存在的问题,提出了基于密度的改进的K-Mans算法。
PDF
239KB
2021-05-07 21:41
K_means算法的初始聚类中心的优化
摘要:传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚
PDF
0B
2019-09-23 11:22
论文研究k均值算法初始聚类中心选取方法的研究.pdf
k均值算法初始聚类中心选取方法的研究，郑丹，，对k均值算法进行研究，针对k均值算法在初始聚类中心选取及聚类结果受噪声影响大的缺点，提出改进的k均值初始聚类算法。改进之处是
PDF
0B
2020-03-24 22:00
K_means聚类算法初始聚类中心确定matlab实现
改进的K-means聚类算法初始聚类中心确定，采用matlab实现，2016a的matlab，直接打开文件、添加路径就可以使用了。
RAR
0B
2019-06-04 21:33
论文研究means聚类算法.pdf
提出一种模拟电路故障的分布式诊断算法，用以解决大数据量故障样本集所带来的网络规模过大，训练时间过长等问题。该算法采用有监督Hebb学习规则，在训练学习过程中添加类别标识，避免了因数据分割而产生的部分知
PDF
0B
2019-09-27 18:15
论文研究优化初始聚类中心的关键帧提取.pdf
给出了一种改进的基于遗传算法的聚类方法。传统的K-means算法局部搜索能力强，但是对初始化比较敏感，容易陷入局部最优值。基本的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，收敛速
PDF
754KB
2020-07-16 06:13
k-means聚类算法研究论文下载
k-means聚类算法的基本原理和常见应用，分析了其优缺点和改进方向。同时，为了方便研究者学习和应用，还提供了相关代码和数据集的下载链接。感兴趣的读者可自行下载查看。
pdf
1.54MB
2023-04-08 21:05
一种优化初始中心的K_Means粗糙聚类算法
针对K-Means算法的不足，提出了一种优化初始中心的聚类算法。
PDF
0B
2019-01-02 16:14
K means聚类算法研究综述
总结评述了K-means 聚类算法的研究现状,指出K-means 聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means 聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的
PDF
1009KB
2021-04-24 15:30
论文研究基于平均密度优化初始聚类中心的kmeans算法.pdf
现有的基于密度优化初始聚类中心的k-means算法存在聚类中心的搜索范围大、消耗时间久以及聚类结果对孤立点敏感等问题，针对这些问题，提出了一种基于平均密度优化初始聚类中心的k-means算法adk-m
unkonw
0B
2020-02-27 21:40
论文研究基于样本空间分布密度的初始聚类中心优化K均值算法.pdf
针对传统K-均值聚类算法对初始聚类中心敏感、现有初始聚类中心优化算法缺乏客观性，提出一种基于样本空间分布密度的初始聚类中心优化K-均值算法。该算法利用数据集样本的空间分布信息定义数据对象的密度，并根据
PDF
0B
2019-09-23 11:22