截断距离相关论文
密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到......
文章针对密度峰值聚类算法（Density Peak,DPeak）能够有效解决离群点检测和分类的问题，结合算法特点进行改良优化，提出了一种基于密度峰......
随着大数据和物联网等技术的发展,数据流已经成为一种新的数据形式,如何挖掘数据流中蕴含的信息逐渐成为研究热点。在有限的内存中......
基于快速搜索和发现密度峰值的聚类算法(简称基于密度峰值的聚类算法)是近年最热门的聚类算法之一。由于其具有可快速找到聚类中心......
近十几年来,互联网技术的迅猛发展促使大批量的网络数据生成。每天有数以万计的信息以各种方式生成,而文本是大多数信息储存的方式......
快速搜索与发现密度峰值聚类算法(CFSFDP)是近年来聚类算法领域的研究热点之一.本文在CFSFDP算法基本原理分析的同时,结合算法本身......
基于复杂网络理论研究蛋白质网络的特征.构建了蛋白质网络,当截断距离R为0.7 nm时,单体蛋白网络表现出明显的小世界性质.分析了蛋......
针对密度峰值聚类算法(DPC)的聚类结果对截断距离dc的取值较为敏感、手动选取聚类中心存在着一定主观性的问题,提出了一种结合鲸鱼......
为缩减图像检索和匹配范围,提高检索速度和准确率,将快速搜索密度峰值聚类用于对图像,按照特征相似性原则进行聚类,在类中心和最接......
交通状态模式分类在城市交通控制系统中具有重要的应用价值，本文以车流量、平均速度、时间占有率为特征参数,利用CFSFDP（快速搜索查......
随着科技的发展,数据分析越来越复杂、难处理、难分类,数据维度越来越大,针对密度峰值快速搜索聚类(Clustering by fast search an......
随着大数据时代的到来和人工智能的逐渐成熟,寻求分析和利用大规模原始数据并从中发掘价值信息的方式是学术界的研究重点。聚类技......
针对密度峰值快速搜索聚类（Clustering by fast search and find of density peaks,DPC）算法截断距离dc需手动给出的缺陷,提出了布谷......
【目的】研究一种新的聚类算法,以改进密度峰值聚类算法无法自动计算截断距离以及需要人工参与选择聚类中心的不足。【方法】首先......
密度峰值聚类(DPC)算法是一种新型的聚类算法,具有调节参数少、无需迭代求解、能够发现非球形簇等优点;但也存在截断距离无法自动......
密度峰值聚类算法(DPC算法)虽然具有简单高效的优点,但存在着需要人为确定截断距离的不足,从而造成聚类结果出现不准确。为解决这......
密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干......
图像聚类为数字图书馆图像管理提供了新的技术支持，能够在大量图像数据中发掘使用户感兴趣的信息。传统应用于图像聚类的特征提取算......
聚类作为一种有效的图像分割方法,被广泛地应用于计算机视觉领域。相较于其他聚类方法,密度峰值聚类(DPC)具有参数少且能有效识别......
针对密度峰值聚类算法CFSFDP(Clustering by fast search and find of density peaks)计算密度时人为判断截断距离和人工截取簇类......
针对密度峰值聚类算法CFSFDP(Clustering by fast search and find of density peaks)计算密度时人为判断截断距离和人工截取簇类......
