基于距离浓度的K-均值聚类算法

提出的基于距离浓度的K-均值聚类算法把聚类的数据对象视为抗原,聚类中心看作是免疫系统中的抗体,聚类过程表示为免疫系统不断产生抗体,识别抗原,最后产生出可以捕获抗原的最佳抗体过程.定义了抗体浓度和亲和度,使得抗体之间的距离越大,其距离浓度越小,反之则浓度越大,从而提高了算法的搜索效率.设计了抗体的期望繁殖率计算方法和克隆变异方法.仿真结果表明:该算法不仅克服了传统的K-均值聚类算法易陷入局部极小值的缺点,而且避免了对初始化选值敏感性的问题,同时也有较快的收敛速度.     

基于社会关系网络聚类的竞争情报系统

企业竞争情报系统为企业决策者制定企业发展规划等提供了重要情报,具有重要的商业价值.但是现有竞争情报系统忽略了系统自身的可持续性发展和改进需求.文章通过建立信息源之间的社会关系网络,并设计聚类算法发现各信息源之间存在的社会关系,为企业决策者制定竞争情报系统的可持续性发展计划提供可靠信息.     

基于距离的K-Means划分式聚类算法及其编程实现

K-Means算法是划分式聚类算法。本文通过在应用中的编程实现分析了基于欧式距离的划分式聚类算法的基本原理、实现步骤和编程时的注意事项,最后分析了该算法的优缺点。     

基于聚类的超闭球CMAC神经网络改进算法

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。     

基于概率与推断的社交网络聚类技术研究

本文将位置敏感哈希算法（LSH）应用于图聚类,提出了概率化的图聚类法（PGC）。利用LSH技术比较图中各结点邻居集的相似度,并结合贝叶斯统计推断进行验证,在线性时间内找到图中最紧密的、非精确聚类。测试结果表明,随着图尺寸的增大PGC扩展性更强,在现实世界数据集上PGC比PageRank Cluster 聚类速度快约1倍,是一种有效的解决方案。     

基于社交网络的单类协同过滤算法

单类协同过滤算法的研究是当前协同过滤算法研究的重要课题,其面临的主要问题是:仅仅正例数据能够被观察到,类高度不平衡,大量的数据点丢失.把社会化正则项引入到传统的单类协同过滤算法,提出一种新的基于社交网络的单类协同过滤算法来解决这些问题.在真实的包含社交网络的数据集上实验验证,该算法在各个评价指标下性能均优于几个经典的单类协同过滤算法.     

基于偶对约束和马氏距离的半监督模糊聚类算法

研究了基于偶对约束的半监督模糊聚类,将马氏距离引入到半监督模糊聚类SCAPC(semi-supervised fuzzy clustering algorithm with pairwise constraints)中,获得了一种新的半监督模糊聚类目标函数,通过求解优化问题,提出了一种基于偶对约束和马氏距离的半监督模糊聚类算法M-SCAPC(Modified-SCAPC).针对选择的标准数据集和人工数据集,对提出的算法M-SCAPC进行了实验研究,并与FCM(fuzzy C-means)、AFCC(active fuzzy constrained clustering)和SCAPC算法的聚类性能进行了比较,表明了提出的算法M-SCAPC在收敛速度和正确率方面的有效性.     

基于链接聚类的Shark-Search算法

根据对Shark-Search主题爬取算法的分析,提出了一种基于链接聚类的改进Shark-Search算法. 并通过几个对比实验对该算法进行了验证. 实验结果表明,新算法能够更有效地识别链接与主题的相关性.     

基于Kruskal算法的最短路径算法研究

首先对传统的Dijkstra算法进行分析,然后依据Kruskal算法给出一种求解最短路径的方法,并对该方法的核心思想、具体实现步骤和求解过程进行详细描述,最后通过实例将该方法与Dijkstra算法进行对比,验证该方法的有效性．     

基于Dijkstra算法的一种最短路径改进算法

本文在Dijkstra算法的基础上,增加了一些数据结构,提出一种能直观地求出从一个顶点到其它各顶点的所有最短路径的算法。