共查询到20条相似文献,搜索用时 15 毫秒
1.
改进的Parks聚类分析距离算法 总被引:1,自引:0,他引:1
经研究发现现有聚类分析算法普遍存在聚类盲目性,而这又直接影响着聚类的质量.针对这一问题,本文以Parks距离算法为例,提出了一种改良的Parks聚类分析距离算法,并将此距离算法应用在船舶装配产品归类中.通过对改良前后算法的比较,验证了新算法的优越性. 相似文献
2.
基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析。该方法使网络传输数据量显著减少,并大大提高聚类效率。 相似文献
3.
4.
聚集式聚类分析方法及其应用 总被引:1,自引:0,他引:1
基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析.该方法使网络传输数据量显著减少,并大大提高聚类效率. 相似文献
5.
6.
7.
8.
一种基于遗传算法的模糊聚类算法及基与FCM算法的结合 总被引:3,自引:0,他引:3
在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛。但在实际的应用中,FCM算法却容易陷入局部最优解。因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm)的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解。实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。 相似文献
9.
一种基于遗传算法的模糊聚类算法及其与FCM算法的结合 总被引:8,自引:0,他引:8
在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好. 相似文献
10.
11.
对模糊聚类分析算法进行研究,在模糊C-均值算法的基础上加以改进,形成二阶段模糊C-均值算法,使其对Iris数据聚类,研究表明,二阶段的模糊C-均值算法比模糊一算法性能优越 相似文献
12.
对船舶AIS数据聚类进行研究,可以挖掘出船舶航行过程中有效或潜在的信息,对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而,提出一种改进QuickBundles算法,并对船舶轨迹采样方法和距离度量方式进行改进,选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据,最终实现船舶轨迹的有效聚类。试验结果表明,与原QuickBundles算法和DBSCAN算法相比,改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法,证明改进QuickBundles算法可有效应用于船舶轨迹聚类。 相似文献
13.
14.
《中国航海》2017,(3)
依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。 相似文献
15.
16.
为提高多元时间序列聚类算法的效率,将原始MTS数据线性组合形成一系列互不相关的簇,利用主元分析对每个簇的代表元素,与剩余元素的前z个主元与之间的扩展Euclid范数对选取的多元时间序列的主元进行聚类分析.理论分析和实验结果表明该算法聚类质量结果和运行时间明显优于直接利用k-均值法时的聚类结果. 相似文献
17.
《舰船科学技术》2020,(6)
目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。 相似文献
18.
由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。 相似文献
19.
针对战场在对固定区域进行观察和监控后,获得大量的数据在频域上的异常数据分析处理问题,提出了一种将二次型距离与K-means聚类算法相结合的改进的K-means聚类算法以适用于所研究的场景,从而更准确地预警敌方战略的变化,以辅助指挥官决策。仿真结果显示该方法可以良好地分析出战场固定区域内各频段上目标数量变化的异常情况。 相似文献