共享近邻相关论文
密度峰值聚类算法（DPC）是一种简单高效的无监督聚类算法，能够快速找到聚类中心完成聚类。但是，该算法通过截断距离定义局部密度未考虑......
密度峰聚类算法是一种基于密度的新型高效聚类算法,但是存在截断距离难以确定、局部密度定义过于简单和聚类分配策略容错能力差等......
密度峰值聚类算法（DPC）是一种新的基于密度的聚类算法,该算法具有原理简单、高效快速等优点,自从提出以来便引发许多学者的关注,且被......
大数据时代,数据的收集、存储、传输和处理能力正在飞速提升,机器学习正是处理数据时,不可或缺的核心技术.多示例学习是一种重要的......
针对类间间距较小、可分性较差的样本数据聚类问题,文中提出自适应Rulkov神经元聚类算法.首先,构建基于自适应距离和共享近邻的相......
聚类算法是一种无监督的算法,它在没有教师信号的情况下对数据进行分类。支持向量聚类算法的优势是:对于任意形状和数目的数据集理......
聚类分析技术作为数据挖掘领域的一个重要分支,逐渐成为研究的热点并被广泛应用于模式识别、图像处理、生物信息分析等领域,其核心......
谱聚类目前已经成为聚类的主要方法之一,但传统谱聚类算法的相似度量方法不能很好地揭示未能完全分离的数据集的真正聚类,而基于共......
密度峰值聚类算法是一种基于密度的聚类算法,其原理简单、运行高效,对各种类型数据集均有不错的聚类效果。然而,该算法依然存在一......
离群点检测和分析离群模式隐含的特征是离群点挖掘的重要研究内容。现有离群点检测算法存在两个明显的不足:根据离群度检测离群点,......
为解决密度聚类算法在处理高维和多密度数据集时聚类结果不精确的问题,提出一种基于共享近邻亲和度(SNNA)的聚类算法。该算法引入k......
基于加权K近邻的密度峰值发现算法（FKNN-DPC）是一种简单、高效的聚类算法,能够自动发现簇中心,并采用加权K近邻的思想快速、准确地完......
谱聚类是一种基于图论的聚类算法,其中的特征空间是通过构建相似矩阵来计算的,因此相似度的定义对算法的性能至关重要,算法中如何......
流形学习算法中的等距嵌入算法(ISOMAP)具有对离群点敏感的瑕疵,针对此问题,提出利用基于共享近邻的距离度量方式,并充分利用了流......
谱聚类算法是基于谱图划分理论的一种机器学习算法,它能在任意形状的样本空间上聚类且收敛于全局最优解。但是传统的谱聚类算法很......
数据挖掘是指从大量数据中挖掘出隐含的、未知的并具有较大潜在价值的信息的过程,从不同的角度和层面对数据进行分析处理,并将挖掘......
针对传统谱聚类中使用高斯相似函数作为聚类相似性度量的存在的弊端,提出了利用共享自然邻概念的自适应相似度量替代高斯相似函数,......
为了解决谱聚类算法中相似矩阵的构造不能满足簇内数据点高度相似的问题,给出一种基于共享近邻的多视角谱聚类算法(MV-SNN)。首先,......
固定翼无人机(UAV)执行任务全程可分为多个工况,对UAV进行工况分析是故障诊断的前提。基于UAV操控原理,选取横向、纵向、速度控制......
谱聚类是一种极具竞争力的聚类算法.相似度定义对谱聚类算法的性能有至关重要的影响.本文用两点的共享近邻数目表征局部密度,从而......
提出了一种基于网格的共享近邻聚类算法(Grid-based shared NearestNeighbor algorithm,GNN)。该算法主要利用网格技术去除数据集......
共享近邻(SNN)相似度能有效克服由高维和多密度等因素引起的聚类有效性问题,但计算效率不高.基于分治策略,提出一种改进的共享近邻......
谱聚类作为一种新颖的聚类算法,近年来在模式识别领域受到广泛关注。它不对数据的全局结构作假设,而是通过直接求图的拉普拉斯矩阵......
