搜索资源列表
mean-shift聚类
- mean-shift算法论文
fvcm
- 聚类_分类中的粒度原理研究论文，关于模糊聚类中的尺度变换。-_ The granularity of category clustering theory research papers on fuzzy clustering of the scale transformation.
Clustering.Algorithms.Research
- 软件学报 2008年论文《聚类算法研究》，作者孙吉贵, 刘杰, 赵连宇。pdf格式，14页。对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括 另一方面选择一些典型的聚类算法和一些知名的数据集,主要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题.上
EvolutionaryOptimizationofConstrained
- 顶级期刊IEEE 进化计算 关于均值聚类的2009年最新论文-Evolutionary Optimization of Constrained -means Clustered Assetsfor Diversifi cation inSmallPortfolios
high-demensional
- 这是一些有关高位数据聚类的论文，还挺有帮助的-This is some of the papers about the high data clustering, quite helpful
text-clustering
- 文本聚类及主题挖掘相关论文合集，包括了kmeans，层次聚类，ap聚类等等相关方法-Text clustering and topic mining related collection of papers
frequent-term-based-text-clustering
- 一篇很好的基于主题的聚类方法论文，可以用在文本分类等众多领域-frequent term-based text clustering
hejulei
- 核聚类近邻算法，更多论文www.bysjaid.com-Nuclear neighbor clustering algorithm, more papers www.bysjaid.com
sonno
- TGSOM一种用于数据聚类的动态自组织映射神经网络,一篇不错的论文-Dynamic TGSOM for data clustering self-organizing map neural network, a good thesis
X-means-Extending-K-means
- X-means k-means扩展 论文 聚类-X-means Extending of k-means cluster
Application-of-Data-mining
- 数据挖掘是商务智能中经常使用的一项重要技术，企业在其整个运营过程中，积累了庞大的数据信息，决策者们所需要的信息往往就隐藏在里面，数据挖掘的目的就是如何有效地处理这些数据。论文结合数据挖掘软件Clementine分析了关联规则和聚类分析这两种算法在超市中的具体应用。-Data mining is an important technology,which is often used in business intelligence.Enterprises have accumulated larg
Energy-Aware--Clustering-Algorithm-
- 无线传感器网络的负载平衡的节能动态聚类算法。论文。2006年。-An Energy-Aware Dynamic Clustering Algorithm for Load Balancing in Wireless Sensor Networks.2006.
manuscript-Li
- 可伸缩的约束谱聚类论文，效果挺不错的，值得学习-Scalable constraints spectral clustering
Data-Mining
- 本论文在对各种算法深入分析的基础上，尤其在对基于密度的聚类算法、基于层次的聚类算法和基于划分的聚类算法的深入研究的基础上，提出了一种新的基于密度和层次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点，而且具有近似线性的时间复杂性，因此该算法适合对大规模数据的挖掘。理论分析和实验结果也证明了基于密度和层次的聚类算法具有处理任意形状簇的聚类、对噪音数据不敏感的特点，并且其执行效率明显高于传统的DBSCAN算法。-Based on the analysis on clustering