已閱讀1頁，還剩44頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、Alex和Anlessandro于2014年提出的快速搜索聚類方法（FSC)是基于聚類中心的密度要高于其鄰域點(diǎn)并且與其它密度較高的點(diǎn)有一個(gè)相對較大的距離的思想，通過對觀測值的密度和相對距離加以度量來展開聚類.FSC不需要進(jìn)行迭代運(yùn)算，可以高效地識別集群個(gè)數(shù)和聚類中心。但是FSC方法對于高維數(shù)據(jù)的聚類并不是很理想，這主要是由于高維數(shù)據(jù)的“維數(shù)災(zāi)難”引起的。
本文針對FSC方法提出了更能適應(yīng)于高維數(shù)據(jù)的改進(jìn)方法，分別是基于主成分分
2、析（PCA)的快速搜索聚類方法（FSCP)和基于硬閾值（HardthreshoMing)的快速搜索聚類方法（HT-FSC)。其中FSCP方法在FSC的基礎(chǔ)上加入了 PC A的思想，對滿足一定區(qū)間限制的主成分生成的較低維數(shù)據(jù)集逐一作聚類分析并輸出最優(yōu)的一組聚類結(jié)果. H T-FSC方法的核心思想同樣是對數(shù)據(jù)做降維的預(yù)處理，基于硬閾值的思想，度量相似性距離矩陣時(shí)在度量B數(shù)上加入硬閾值B數(shù)，選定合適的閾值，只讓滿足閾值條件的變量加入距離的計(jì)算
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向高維數(shù)據(jù)的變密度空間聚類研究.pdf
- 基于高維數(shù)據(jù)的雙聚類算法研究與應(yīng)用.pdf
- 高維數(shù)據(jù)的聚類方法研究與應(yīng)用.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類方法研究.pdf
- 高維海量數(shù)據(jù)聯(lián)合聚類算法的研究與應(yīng)用.pdf
- 高維數(shù)據(jù)聚類算法及應(yīng)用研究.pdf
- 基于遺傳算法的高維數(shù)據(jù)聚類研究.pdf
- 基于進(jìn)化計(jì)算法的高維數(shù)據(jù)聚類研究.pdf
- 基于桶密度的數(shù)據(jù)流聚類算法研究與應(yīng)用.pdf
- 基于網(wǎng)格的高維數(shù)據(jù)流與序列數(shù)據(jù)聚類算法研究.pdf
- 高維數(shù)據(jù)子空間聚類研究.pdf
- 基于超網(wǎng)絡(luò)的高維數(shù)據(jù)聚類方法研究.pdf
- 高維分類數(shù)據(jù)聚類方法研究與實(shí)現(xiàn)
- 高維數(shù)據(jù)投影聚類算法的研究.pdf
- 基于數(shù)據(jù)分區(qū)的密度聚類算法應(yīng)用研究.pdf
- 高維海量數(shù)據(jù)聚類算法研究.pdf
- 高維分類數(shù)據(jù)聚類方法研究與實(shí)現(xiàn).pdf
- 基于密度與分形維數(shù)的數(shù)據(jù)流聚類算法研究.pdf
- 高維數(shù)據(jù)的降維及聚類方法研究.pdf
- 基于信息熵的高維數(shù)據(jù)流聚類及其應(yīng)用研究.pdf
評論
0/150
提交評論