- Years
- 2025（1）
- 2024（4）
- 2022（2）
- 2021（1）
- 2020（2）
- 2019（2）
- 2018（3）
- 2017（2）
- 2016（1）
- 2013（5）
- More...
- Indexed by
- 中国科技论文与引文数据库(CSTPCD)（46）
- 北京大学中文核心期刊目录(北大核心)（37）
- 中国科学引文数据库(CSCD)（34）
- 中国人文社会科学引文数据库(CHSSCD)（1）
- More...
- Journals
- 计算机工程与应用（10）
- 计算机应用研究（9）
- 计算机与数字工程（4）
- 计算机工程（4）
- 控制理论与应用（2）
- 计算机与现代化（2）
- 计算机工程与科学（2）
- 计算机技术与发展（2）
- 丝绸（1）
- 农业机械学报（1）
- More...
- Affiliations
- 山东师范大学（2）
- 新疆大学（2）
- 江南大学（2）
- 江苏大学（2）
- 西安理工大学（2）
- 西安电子科技大学（2）
- 西安科技大学（2）
- 上海交通大学（1）
- 上海理工大学（1）
- 东北师范大学（1）
- More...
- Languages
- 汉语（62）
- Keywords
- K-均值算法（62）
- 聚类（14）
- 遗传算法（9）
- 聚类分析（7）
- 图像分割（5）
- 密度（3）
- 文本聚类（3）
- 聚类中心（3）
- 聚类算法（3）
- 数据挖掘（2）
- More...
- Authors
- 刘艳丽（2）
- 周勇（2）
- 张然（2）
- 李龙澍（2）
- 贾瑞玉（2）
- 钱光超（2）
- 钱育蓉（2）
- 上官廷华（1）
- 于海澜（1）
- 付莉莉（1）
- More...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
共找到 62 条结果
- 融合密度和划分的文本聚类算法CSTPCD
- 基于K-均值算法的烟气层高度判定方法北大核心摘要：经典算法对火灾烟气层高度判定存在无法划定烟气层纵向区间、计算步骤繁琐等问题,而K-均值算法具有自动进行类别划分的特征。以K-均值算法为基础构建了烟气层高度判定计算模型,针对K-均值算法易陷入局部最优的问题,利用分步设置最优聚类中心的方式优化了计算流程,利用搜寻边缘样本方法得出了烟气层高度值判定准则,并通过火灾烟气试验,对比分析了积分比值法、视觉标尺法、K-均值算法3种烟气层高度判定方法得到的烟气层高度值,以验证K-均值算法的有效性。结…查看全部>>
- 基于遗传算法的聚类分析北大核心CSCDCSTPCD摘要：给出了一种基于遗传算法的聚类分析方法.采用二进制编码方式对聚类的中心进行编码,并用特征向量与相应聚类中心的欧氏距离的和来判断聚类划分的质量,通过选择、交叉和变异操作对聚类中心的编码进行优化,得到使聚类划分效果最好的聚类中心.实验结果显示,该方法的聚类划分效果明显优于传统的K-均值方法.
- 条格织物组织识别中的图像分割方法北大核心CSTPCD
- 利用数字图像处理技术识别纬编提花织物组织北大核心摘要：对纬编提花织物组织的自动识别提出了一种方法:首先对通过扫描仪得到的针织物彩色图像进行预处理,然后基于K-均值算法原理确定针织物的颜色,接着利用一维离散傅立叶变换方法测出针织物的组织大小;最后得到彩色意匠图.
- 基于主题模型的K-均值文本聚类CSTPCD摘要：传统的向量空间模型表示文本的缺点是向量维数高,向量空间模型中一个文本是一个大的稀疏矩阵,计算文本之间的距离或者相似度时,算法的效率低,聚类效果不理想.在主题模型(Latent Dirichlet Allocation,LDA)中,将文本表示成主题(Topic)的概率分布,主题表示为词的概率分布.主题模型下,指定主题数目为T时,所有待聚类的文本都被表示成维数为T的向量.K-均值算法作为本文的聚类算法,并通过实验验证了主题模型的聚类…查看全部>>
- 动态迭代聚类算法分析基因序列数据摘要：聚类技术在知识发现方面发挥了很重要的作用,K-均值算法是聚类分析中最常用的算法,但K-均值算法必须预先选择类的数目作为先验值,即研究者需要确定数据空间内有意义类的数目.针对这个问题,本文提出一种新的聚类算法-动态迭代聚类算法,动态选取K个边缘相似度的数据对象作为最初的初始聚类点,并根据类内或类间的相似度离差程度不断地精练(合并或分割)初始类群.模拟实验结果表明,该算法提高了聚类质量,使聚类具有更高的准确性.
- 基于SOM神经网和K-均值算法的图像分割北大核心CSCD摘要：提出了一种基于SOM神经网络和K-均值的图像分割算法.SOM网络将多维数据映射到低维规则网格中,可以有效地用于大型数据的挖掘;而K-均值是一种动态聚类算法,适用于中小型数据的聚类.文中算法利用SOM网络将具有相似特征的象素S点映射到一个2-D神经网上,再根据神经元间的相似性,利用K-均值算法将神经元聚类.文中将该算法用于彩色图像的分割,并给出了经SOM神经网初聚类后,不同K值下神经元聚类对图像分割的结果及与单纯K-均值分割图像进行对比.
- 基于ART2改进算法的故障聚类研究北大核心CSCDCSTPCD摘要：ART2(自适应谐振理论2)算法是神经网络中一种可以对模拟输入信号或二值信号进行无监督聚类的算法,所以ART2算法能够降低数据挖掘中原始数据的预处理的复杂度,提高挖掘效率.针对ART2算法中出现的聚类中心偏移的缺点,采用ART2算法与K-均值算法相结合的方法来抑制ART2中聚类中心偏移的现象.通过仿真对该方法进行了验证.
- 改进聚类算法在公交数据挖掘中的应用研究CSTPCD摘要：针对城市交通规划中枢纽站点确定的问题,提出了使用改进的聚类算法对公交数据进行处理来确定枢纽站点,同时在研究聚类算法的应用过程中,提出了使用遗传算法改进组合的聚类算法确定聚类算法中各层类簇数.针对本实验公交枢纽站点确定的问题,为达到更优的聚类效果,将原始遗传算法与K-means算法及层次聚类算法三者结合.聚类算法参数设置的方法,有别于传统确定类簇数的方法,使用遗传算法确定K-means算法与层次聚类算法结合时的类簇数,以及两个类簇数之间…查看全部>>