多代表点特征树与空间聚类算法

来源 :计算机科学 | 被引量 : 0次 | 上传用户:wolfop
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
空间数据具有海量、复杂、连续、空间自相关、存在缺损与误差等的特点,要求空间聚类算法具有高效率,能处理各种复杂形状的簇,聚类结果与数据空间分布顺序无关,并且对离群点是健壮的等性能,已有的算法难以同时满足要求。本文提出了一个适合处理海量复杂空间数据的数据结构一多代表点特征树。基于多代表点特征树提出了适合挖掘海量复杂空间数据聚类算法CAMFT,该算法利用多代表点特征树对海量的数据进行压缩,结合随机采样的方法进一步增强算法处理海量数据的能力;同时,多代表点特征树能够保存复杂形状的聚类特征,适合处理复杂空间数据。实
其他文献
随着移动计算技术的飞速发展,越来越多的用户将通过无线移动方式访问数字图书馆.但是,目前的数字图书馆系统都假定用户访问信息时是静止的.本文首先给出了移动数字图书馆系统
本文概要介绍南京大学自主研究开发的分布式虚拟环境AIMNET的关键技术。AIMNET借鉴了兴趣管理的思想,提出了双向一共享组播树的通讯结构,从而大大降低了网络通讯量,并保证了AIMN
提出了一种基于类语言模型的中文机构名称自动识别方法,将分词和机构名称自动识别有机地结合起来。在机构名称识别的类语言模型中采用等级结构,使得嵌套有人名、地名等实体的机构名称能够较好地识别出来。在实验过程中,逐步增加实验条件,依次加入启发信息、缓存模型和机构名缩写处理,使得实验结果显著提高。在开放测试中,中文机构名称最终识别的查准率和查全率分别为85.47%和72.81%。
Survey propagation是一种新生的SAT(CSP)算法.它基于统计物理的spin glass模型,针对具体问题进行纵览(survey),从而极大地降低求解的复杂度.但sp算法在某些时候不收敛,或引
为了保证网络的可靠性和性能,网络管理变得尤为重要.随着IP网络规模的飞速发展,基于SNMP的集中式网络管理在扩展性和灵活性方面显得尤为不足.自从移动Agent技术的出现至今,其
超立方网络拓扑是并行计算中最重要的多处理机互连结构之一,目前对它的研究热点主要集中在当超立方的网络互连结构中具有失效结点时,如何快速计算其上点到点的并行路由.本文
网络安全监测是Intemet/Intranet上的一个重要课题,如何能够在保证各种监测功能的前提下,尽量提高网络监测系统的性能,一直是一个难点.本文提出了一种基于PC机和Libpcap的纯
随着基于构件的软件开发技术(CBSDT)的不断发展,构件组装中的特征干扰问题逐渐受到大家的重视,针对这一问题的研究也成为一个热点.基于软件构件的特点,提出采用时序逻辑语言X
本文从OS研究的推动力--上层应用和底层硬件的角度,对过去OS的研究成果进行了详细的考察,并在该基础上得出结论:通用OS内核的结构不适合采用构件式.
随着数字电视、网上会议和在线点播的出现,越来越多的图像信息需要在网上进行传输,而此时人们不仅要求编码技术具有较好的压缩效果,还要求信息的传输能够满足渐进传输、多质量服