网络的迅速发展和计算机存储技术的不断提升使得数据量爆炸式增长,人们要从海量数据中挖掘出有用信息越来越难。数据挖掘是指从数......

21世纪是信息和数据的时代,随着社会的计算机化快速发展使得大量的数据从我们生活的每个角落涌出。数据量的增长速度在各行各业中......

随着互联网技术的高速发展,人们所面临的数据几乎呈爆炸性的增长,而传统的数据挖掘算法在处理大数据时已不能满足人们对时间性能的......

Web2.0技术的日益盛行,随之而来的便是更加丰富的新型数据和大量网络用户。如何利用标签特性,结合数据挖掘的相关技术,挖掘用户的......

随着计算机科学技术的快速发展，特别是数据库技术的广泛应用，数据挖掘领域成为热门的研究之一。浩瀚的数据海洋隐藏着大量对人们有重......

随着网络和信息技术的迅速发展,如何从海量数据中提炼出有效的信息,成为众多学者研究的热点之一,数据挖掘就在这一背景下应运而生......

聚类分析是数据挖掘中的重要内容之一,是将数据对象按照相似性度量划分成各类簇的过程,并广泛的应用在数据挖掘,模式识别等领域。K......

工业生产中,电弧焊接结构作为各类机械结构的重要连接部位,焊缝质量对生产安全具有非常重要的意义。当前对焊缝质量检测的方法众多......

随着计算机技术的飞速发展和人类的需求不断扩张,产生了大量的数据,从而迎来了大数据时代。为了从海量数据中挖掘出对人类有用的知......

随着电力体制改革不断深化,各供电公司越来越重视节能降损。线损率作为电力系统的一项重要经济技术指标,它是衡量电力企业经营能力......

针对传统K-medoids聚类算法对初始化敏感,中心点盲目搜索更新和聚类准确率不够高等缺点,提出新的改进算法.新算法首先对原始粒计算......

聚类是一种非常有用的数据挖掘方法,可用于发现隐藏在数据背后的分组和数据分布信息.目前已经提出了许多聚类算法及其变种,但在增......

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的......

K-medoids算法对初始中心点敏感,不能有效地对动态数据进行聚类,且需要对相关的隐私数据进行保护。针对这些问题,提出了基于差分隐......

K-medoids聚类分析具有对孤立点敏感度较低和良好的鲁棒性等特点,但由于初始聚类中心的选取和中心点迭代更新等,聚类精度和效率较......

针对传统K-medoids 聚类算法对初始中心点敏感，以及迭代次数较高等缺点，提出一种可行的初始化方法和中心点搜索更新策略。新算法首先......

针对社会化标签语义模糊，传统K—medoids聚类算法对初始聚类中心敏感、收敛速度缓慢、只能将归类对象划入到单一类别的缺点，提出一种......

首先利用K-medoids聚类算法对训练样本集进行剪裁,去除相似度程度较低的样本。结合Hadoop平台的MapReduce框架,采用改进KNN分类算......

为了高效、快速地解决呈指数增长的数据处理问题,提高数据储存、运算能力,文中提出了基于云计算的数据挖掘系统的设计。该系统首先......

为了分析给定外界条件下的飞机燃油消耗,提出了一种基于距离最大法的邻域搜索K-medoids聚类算法（IK-medoids）。基于距离最大的样本不......

为了对社会化标注系统中的标签进行有效聚类,并针对传统K-medoids算法存在的聚类结果易受初始聚类中心影响的问题,本文提出了一种......

为进一步分析海事事故发生的潜在原因,保障船舶航行安全,在对比各海事局事故数据质量的基础上,以浙江海域海事事故数据库作为研究......

针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策......

针对快速K-me doids聚类算法所选初始聚类中心可能位于同一类簇的缺陷，以及基于粒计算的K-medoids算法构造样本去模糊相似矩阵时需......

针对奇异值分解信号降噪方法中吸引子轨迹矩阵(Hankel矩阵)结构的确定,以及有效奇异值的选择两个关键问题,提出了一种基于遗传算法......

聚类是一种非常有用的数据挖掘方法，可用于发现隐藏在数据背后的分组和数据分布信息。目前已经提出了许多聚类算法及其变种，但在增量......

用于发现数据集类簇数k的常用内部评价指标DB（Davies Bouldin）和BWP（Between-within Proportion）等需要先确定一个搜索范围kmax,使数据......

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度......