期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
密度敏感的多智能体进化聚类算法 被引量：15
1
作者 潘晓英 刘芳 焦李成 《软件学报》 EI CSCD 北大核心 2010年第10期2420-2431,共12页
采用密度敏感距离作为数据相似性度量,并基于多智能体进化的思想提出了一种密度敏感的多智能体进化聚类(density sensitive based multi-agent evolutionary clustering,简称DSMAEC)算法.算法设计了一种基于连接的编码方式,通过解码过... 采用密度敏感距离作为数据相似性度量,并基于多智能体进化的思想提出了一种密度敏感的多智能体进化聚类(density sensitive based multi-agent evolutionary clustering,简称DSMAEC)算法.算法设计了一种基于连接的编码方式,通过解码过程可直接得到最终的聚类结果,无需事先确定聚类类别数,有效地克服了对领域知识的依赖.针对聚类问题,设计了3个有效的进化算子来模拟智能体间的竞争、合作和自学习行为,共同完成智能体的进化,最终达到对数据聚类的目的.分别对人工数据集、UCI数据集以及合成纹理图像进行仿真,实验结果表明,该算法不但可以自动确定聚类类别数,而且能够应付不同结构的数据,适应不同的聚类要求,具有较强的实用价值. 展开更多
关键词 密度敏感距离 无监督聚类 多智能体进化 k近邻变异
下载PDF
基于优化FCM算法的土壤污染监测点科学布设方法
2
作者 陈洪刚 董波 唐相臣 《粘接》 CAS 2024年第12期189-192,共4页
为确保土壤污染监测结果的全面性和可靠性,土壤化工污染监测点空间布设情况,直接影响土壤化工污染监测结果的可靠性,因此,提出基于FCM聚类算法的土壤化工污染监测点空间布设方法。通过面积权重比例法确定监测点数量,并将数量与污染数据... 为确保土壤污染监测结果的全面性和可靠性,土壤化工污染监测点空间布设情况,直接影响土壤化工污染监测结果的可靠性,因此,提出基于FCM聚类算法的土壤化工污染监测点空间布设方法。通过面积权重比例法确定监测点数量,并将数量与污染数据结合形成数据样本集。应用FCM聚类算法进行聚类处理,并引入密度敏感距离优化聚类效果,确保数据全局一致性。利用空间模拟退火算法优化布设位置。测试结果表明,该方法能有效确定监测点数量,提升布设均匀性,总体代表指数和偏离指数均高于0.906,且避免了局部监测点密集现象。 展开更多
关键词 FCM聚类算法 土壤化工污染 监测点 空间布设 密度敏感距离
下载PDF
基于密度敏感距离和模糊划分的改进FCM算法 被引量：1
3
作者 毛森林 夏镇 +2 位作者 耿新宇 陈剑辉 蒋宏霞 《计算机科学》 CSCD 北大核心 2022年第S01期285-290,共6页
传统的模糊C均值(Fuzzy C-means,FCM)算法对噪声数据敏感,并且在迭代过程中因仅考虑了距离因素,故使用欧氏距离进行距离度量,这会导致只考虑样本点之间的局部一致性特征,而忽略全局一致性特征的问题,为此,提出了一种基于密度敏感距离和... 传统的模糊C均值(Fuzzy C-means,FCM)算法对噪声数据敏感,并且在迭代过程中因仅考虑了距离因素,故使用欧氏距离进行距离度量,这会导致只考虑样本点之间的局部一致性特征,而忽略全局一致性特征的问题,为此,提出了一种基于密度敏感距离和模糊划分的改进FCM算法。首先在建立相似度矩阵时使用密度敏感距离替代欧氏距离来进行计算,然后在聚类过程中引入模糊熵作为约束条件,推导出新的聚类中心和具有高斯分布特性的隶属度计算公式。此外,针对传统FCM算法随机选取初始聚类中心可能导致聚类结果不稳定的问题,根据聚类中心点周围样本点比较密集以及聚类中心点之间距离较远两个原则,结合密度敏感距离来选取初始聚类中心点。最后通过实验对比表明,与传统FCM聚类算法及其派生算法相比,改进算法不仅具有更高的聚类性能和抗噪性,且收敛速度也显著提高。 展开更多
关键词 模糊C均值聚类 密度敏感距离 模糊熵 隶属度 初始聚类中心
下载PDF
基于密度敏感距离的改进模糊C均值聚类算法 被引量：18
4
作者 王治和 王淑艳 杜辉 《计算机工程》 CAS CSCD 北大核心 2021年第5期88-96,103,共10页
模糊C均值(FCM)聚类算法无法识别非凸数据,算法中基于欧式距离的相似性度量只考虑数据点之间的局部一致性特征而忽略了全局一致性特征。提出一种利用密度敏感距离度量创建相似度矩阵的FCM算法。通过近邻传播算法获取粗类数作为最佳聚类... 模糊C均值(FCM)聚类算法无法识别非凸数据,算法中基于欧式距离的相似性度量只考虑数据点之间的局部一致性特征而忽略了全局一致性特征。提出一种利用密度敏感距离度量创建相似度矩阵的FCM算法。通过近邻传播算法获取粗类数作为最佳聚类数的搜索范围上限,以解决FCM算法聚类数目需要人为预先设定和随机选定初始聚类中心造成聚类结果不稳定的问题。在此基础上,改进最大最小距离算法,得到具有代表性的样本点作为初始聚类中心,并结合轮廓系数自动确定最佳聚类数。基于UCI数据集和人工数据集的实验结果表明,相比经典FCM、K-means和CFSFDP算法,该算法不仅具有识别复杂非凸数据的能力,而且能够在保证聚类性能和稳定性的前提下加快收敛速度。 展开更多
关键词 模糊C均值聚类算法 密度敏感距离 近邻传播 初始聚类中心 轮廓系数
下载PDF
基于LSA模型的改进密度峰值算法的微学习单元文本聚类研究 被引量：5
5
作者 武国胜 张月琴 《计算机工程与科学》 CSCD 北大核心 2020年第4期722-732,共11页
微学习资源爆炸式的增长带来了大量未经组织处理的文本资源,大量以碎片化形式呈现的微学习资源为学习者的使用带来极大的不便。为让学习者能在碎片化的资源中找到适合于个性化学习的内容,对以文本形式的微学习资源进行聚类是很有必要的... 微学习资源爆炸式的增长带来了大量未经组织处理的文本资源,大量以碎片化形式呈现的微学习资源为学习者的使用带来极大的不便。为让学习者能在碎片化的资源中找到适合于个性化学习的内容,对以文本形式的微学习资源进行聚类是很有必要的。为此,尝试将经过改进的密度峰值算法应用于微学习单元文本聚类。针对密度峰值算法在该领域聚类时存在向量空间高维稀疏、全局一致性不足、截断距离敏感、选择密度峰值中心需要人工监督等问题,使用潜在语义分析模型(LSA)建模,并提出2点改进:其一,针对聚类要求重新定义局部密度,并引入密度敏感距离作为聚类的判据,通过解决截断距离敏感性问题来解决聚类分配时全局一致性问题;其二,用线性拟合寻找野值点来自动寻找密度峰值中心,以实现非人工监督的峰值中心选取问题。微学习单元真实数据集上的实验验证结果表明,本文所提算法比原密度峰值算法以及其他经典聚类算法更适合于微学习单元文本聚类。 展开更多
关键词 微学习 文本聚类 密度聚类 LSA 密度敏感距离 线性拟合
下载PDF
密度敏感的层次化聚类算法研究 被引量：3
6
作者 卢鹏丽 王祖东 《计算机工程与应用》 CSCD 2014年第4期190-195,共6页
以密度敏感距离作为相似性测度,结合近邻传播聚类算法和谱聚类算法,提出了一种密度敏感的层次化聚类算法。算法以密度敏感距离为相似度,多次应用近邻传播算法在数据集中选取一些"可能的类代表点";用谱聚类算法将"可能的... 以密度敏感距离作为相似性测度,结合近邻传播聚类算法和谱聚类算法,提出了一种密度敏感的层次化聚类算法。算法以密度敏感距离为相似度,多次应用近邻传播算法在数据集中选取一些"可能的类代表点";用谱聚类算法将"可能的类代表点"再聚类得到"最终的类代表点";每个数据点根据其类代表点的类标签信息找到自己的类标签。实验结果表明,该算法在处理时间、内存占用率和聚类错误率上都优于传统的近邻传播算法和谱聚类算法。 展开更多
关键词 近邻传播 谱聚类 密度敏感距离 层次化
下载PDF
基于密度敏感距离的多级近邻传播聚类算法 被引量：1
7
作者 卢鹏丽 王祖东 《兰州理工大学学报》 CAS 北大核心 2013年第6期85-89,共5页
针对近邻传播算法(AP)在处理大规模复杂数据集时聚类时间和精度上的不足,调整密度敏感距离作为相似性度量,提出一种基于密度敏感距离的多级近邻传播聚类算法.首先将原数据集构造为k最近邻稀疏图,以局部长度作为相似性测度,应用AP算法对... 针对近邻传播算法(AP)在处理大规模复杂数据集时聚类时间和精度上的不足,调整密度敏感距离作为相似性度量,提出一种基于密度敏感距离的多级近邻传播聚类算法.首先将原数据集构造为k最近邻稀疏图,以局部长度作为相似性测度,应用AP算法对数据集进行初步聚类;然后以全局距离作为相似性测度,多次应用AP算法再聚类,直到得到合适的聚类数目.实验结果表明,该算法在处理规模较大、结构较复杂的数据集时聚类时间与效果明显好于传统的AP算法. 展开更多
关键词 近邻传播 密度敏感距离 多级聚类 无监督聚类
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部