导读:本文包含了两阶段聚类法论文开题报告文献综述及选题提纲参考文献，主要关键词:向量空间模型,两阶段聚类,兴趣特征向量,兴趣更新模型
两阶段聚类法论文文献综述
樊丽辉[1]（2019）在《一种基于两阶段聚类的用户兴趣聚类算法研究》一文中研究指出通过在处理大型数据集合方面具有明显优势的数据挖掘技术,以某论坛里面现有的全部信息作为数据来源进行聚类分析,并对论坛用户的分布、回复帖子的数量及其时间的分布状况进行综合性分析,最终的结论是即使同为注册用户在访问某论坛、发布、回复帖子的时间间隔方面仍然存在着相当大的差异,也就是说以人类正常遗忘曲线为基础建立起来的兴趣更新模型在某论坛上并不适用,所以我们基于以上对网络用户访问论坛的时间间隔分析所得的结果建立一种新的兴趣更新模型,并以此为依据预测用户的兴趣。并对兴趣更新模型以及这种推荐算法是否有效、其运行结果是否可靠进行了验证。(本文来源于《科技通报》期刊2019年09期）
王育军[2]（2018）在《面向现代教育合作学习的两阶段聚类算法研究与应用》一文中研究指出现代教育倡导学生自主学习、合作学习和探究性学习,大学生的合作学习能力尤其重要。目前国内外很多学者对合作学习进行了广泛的研究,并取得了丰厚的研究成果,同时表明合作学习是一种有效的学习模式.如何合理地根据学生的特征准确地对学生进行分组合作学习就成为关键问题。数据挖掘技术的研究和发展为学生分组学习提供了有效的方法。自组织映射(Self-OrganizingMap,SOM)和K-means在聚类分析方面均有其优越之处,本文研究并实现了基于自组织映射网络的K-means聚类算法,综合了两种算法的优点,使聚类过程具有较强的自适应性。运用自组织映射神经网络得到初始聚类中心作为K-means算法的初始输入,在UCI标准数据集上的实验表明该两阶段聚类算法比单独使用K-means算法和自组织映射网络性能更好。本文重点将两阶段聚类算法运用在某高校学院的学生分组研究上,根据合作学习者的个性化特征,提出基于学习者特征聚类的改进K-means分组算法对学习者进行分组,以期达到提高合作学习效果的目的。利用组内离差平方和图确定改进算法最优聚类的个数,比较在相同聚类个数的条件下,改进算法与原算法的类内距离标准方差值。应用该算法对某高校学院学生数据进行分析,结果表明该算法能产生更科学合理的分组结果,并为合作学习理论应用于教学提供了一种强有力的支撑。(本文来源于《西安理工大学》期刊2018-06-30）
蒋正邦,吴浩,程祥,孙维真,商佳宜[3]（2018）在《基于多元聚类模型与两阶段聚类修正算法的变电站特性分析》一文中研究指出变电站负荷包含多种用户负荷,其特性非常复杂,选择单一的日负荷曲线或是用户构成比例作为指标进行聚类,可能忽略其他因素并导致聚类结果不够全面。由此提出了同时考虑变电站日负荷曲线与变电站用户构成的多元聚类模型。为求解该模型,首先对日负荷曲线数据采用Kmeans算法进行聚类。然后,提出一种两阶段聚类修正算法,用于依照变电站用户构成数据修正日负荷曲线聚类结果。研究结果表明,所提方法所得的聚类结果准确度高,可降低聚类结果跌入局部最优的可能性,且所得结果能明确体现各个变电站在日负荷曲线上及用户构成上的差异。(本文来源于《电力系统自动化》期刊2018年15期）
张岩,魏钢焰,周翼翔[4]（2016）在《二阶段聚类法在地质遗迹分类与开发中的应用》一文中研究指出地质遗迹的科学分类是指导地质遗迹保护、利用与开发的重要依据。文章运用二阶段聚类法,选用地质遗迹的价值类型、开发成本、所在地经济与财政状况等因素为变量,以浙江省国家级地质遗迹为例研究地质遗迹的分类与开发,并对各类地质遗迹的保护、利用与开发提出具体建议。(本文来源于《华东地质》期刊2016年01期）
范全润,段振华[5]（2016）在《一种布尔子句的两阶段聚类方法》一文中研究指出针对布尔子句的聚类问题,根据合取范式布尔子句的特点,提出了一种两阶段的子句聚类方法.初始时每个子句被看作1个簇,第1阶段的聚类采用基于连接的方法,根据两个子句或者子句组之间的共同邻居的个数来决定是否要合并它们;第2阶段根据子句或者子句组之间的相似度来进行聚类.该方法的第1阶段采用全局的观点来实现子句的聚类,在一定程度上避免了聚类的局部性最优性,第2阶段利用相似度来决定是否合并两个簇,因而无需指定聚类结果中簇的个数.实验结果表明,该聚类方法得到的结果中公共变量的个数较少,聚类结果更好.(本文来源于《西安电子科技大学学报》期刊2016年03期）
郭伟光,汪本强,杨学春[6]（2015）在《基于改进K-medoids的社会化标注资源两阶段聚类研究》一文中研究指出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,提出一种基于改进K-medoids的社会化标注资源两阶段聚类算法。算法应用一种简洁快速的初始聚类中心选取新规则以及改进的聚类准则函数,首先进行标签聚类,然后将同一标签簇中标签标注的网络资源初步划分到同一资源簇中,最后在这些资源簇中再次进行资源聚类。实验结果表明,提出的算法能自主、合理地确定初始聚类中心,聚类过程收敛速度快,聚类结果有更好的准确性。(本文来源于《情报杂志》期刊2015年02期）
邱江,秦拯[7]（2016）在《面向不完全攻击数据集的两阶段聚类算法》一文中研究指出实时攻击数据集含有缺失属性和大量非攻击样本,呈现属性分布不完全和类分布偏斜的特点,不利于聚类分析。针对此问题,提出了一种面向不完全攻击数据集的两阶段聚类算法。算法首先利用标准2-类支持向量机分离数据集中的非攻击样本,使类分布均衡。提出一种不完全样本间的距离度量方法,将该方法应用于最近邻间隔模糊C均值算法实现聚类。实验结果表明,与现有算法相比,提出的算法有效地提高了聚类准确率。(本文来源于《计算机工程与应用》期刊2016年04期）
康万里,李燕申,张建枢,李艳红,纪婷婷[8]（2014）在《两阶段聚类分析在职工工作满意度调查研究中的应用》一文中研究指出目的研究北京市23家医疗机构职工的工作满意度情况。方法随机抽取北京市23家医疗机构的职工进行问卷调查,应用两阶段聚类分析探讨职工工作满意度情况。结果 (1)本次调查共发放调查问卷2100份,回收问卷2087份,合格问卷1989份,合格率94.7%。(2)本研究中克朗巴赫系数为0.898,可以认为本次调查项目的内部信度比较好。(3)经因子分析,依据累积贡献率88.4%(大于85%),5个公因子与问卷5个方面的问题相符。(4)两阶段聚类分析将1989例有效问卷分为5类。第1类别334例(16.8%),第2类别461例(23.2%),第3类别351例(17.6%),第4类别516例(25.9%),第5类别327例(16.5%)。(5)不同类别特征的职工工作满意度情况不同。结论尽力提高医疗机构职工的工作满意度,从而发挥职工的积极性、主动性和创造性,更好的为患者服务。(本文来源于《中国卫生统计》期刊2014年01期）
邵增珍,王洪国,刘弘,宋超超,孟春华[9]（2013）在《多车辆合乘问题的两阶段聚类启发式优化算法》一文中研究指出车辆合乘问题研究在物流领域和交通领域意义重大.良好的合成策略不仅可以节省物流成本,降低交通拥塞,在减少噪声及提高环境等方面也是很有利的.针对确定性多车辆合乘匹配问题,提出了两阶段聚类的启发式匹配策略:第1阶段聚类过程提出匹配度的概念,用于指导将服务需求分配到某一具体车辆,从而将多车辆问题转化为单车辆问题;第2阶段聚类过程基于"先验聚类"插入思想,可降低单车辆匹配过程的插入试探次数,从而提高算法效率.为提高搭乘成功率并降低运营总成本,通过迁移对第1阶段聚类过程进行调整.实际算例结果表明,算法在可接受时间范围内不仅可提高搭乘成功率,还明显降低车辆的运行成本,表现出较强的实用性.(本文来源于《计算机研究与发展》期刊2013年11期）
王改华,李德华[10]（2012）在《融合纹理特征的两阶段聚类分割算法》一文中研究指出提出一种融合纹理特征的两阶段聚类分割算法。首先,选择纹理特征、差分均值和颜色分量这3个特征,组成一个分割所用的特征矢量;然后,使用直方图对特征矢量进行初始聚类中心和类别数的估算;最后,通过模糊C均值算法对特征矢量进行聚类。该算法有效地克服了模糊C均值(FCM)容易陷入局部最优的缺陷,使聚类结果更加精确。实验结果表明该方法比一些现存方法的分割效果要好。(本文来源于《中国图象图形学报》期刊2012年09期）
两阶段聚类法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现代教育倡导学生自主学习、合作学习和探究性学习,大学生的合作学习能力尤其重要。目前国内外很多学者对合作学习进行了广泛的研究,并取得了丰厚的研究成果,同时表明合作学习是一种有效的学习模式.如何合理地根据学生的特征准确地对学生进行分组合作学习就成为关键问题。数据挖掘技术的研究和发展为学生分组学习提供了有效的方法。自组织映射(Self-OrganizingMap,SOM)和K-means在聚类分析方面均有其优越之处,本文研究并实现了基于自组织映射网络的K-means聚类算法,综合了两种算法的优点,使聚类过程具有较强的自适应性。运用自组织映射神经网络得到初始聚类中心作为K-means算法的初始输入,在UCI标准数据集上的实验表明该两阶段聚类算法比单独使用K-means算法和自组织映射网络性能更好。本文重点将两阶段聚类算法运用在某高校学院的学生分组研究上,根据合作学习者的个性化特征,提出基于学习者特征聚类的改进K-means分组算法对学习者进行分组,以期达到提高合作学习效果的目的。利用组内离差平方和图确定改进算法最优聚类的个数,比较在相同聚类个数的条件下,改进算法与原算法的类内距离标准方差值。应用该算法对某高校学院学生数据进行分析,结果表明该算法能产生更科学合理的分组结果,并为合作学习理论应用于教学提供了一种强有力的支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
两阶段聚类法论文参考文献
[1].樊丽辉.一种基于两阶段聚类的用户兴趣聚类算法研究[J].科技通报.2019
[2].王育军.面向现代教育合作学习的两阶段聚类算法研究与应用[D].西安理工大学.2018
[3].蒋正邦,吴浩,程祥,孙维真,商佳宜.基于多元聚类模型与两阶段聚类修正算法的变电站特性分析[J].电力系统自动化.2018
[4].张岩,魏钢焰,周翼翔.二阶段聚类法在地质遗迹分类与开发中的应用[J].华东地质.2016
[5].范全润,段振华.一种布尔子句的两阶段聚类方法[J].西安电子科技大学学报.2016
[6].郭伟光,汪本强,杨学春.基于改进K-medoids的社会化标注资源两阶段聚类研究[J].情报杂志.2015
[7].邱江,秦拯.面向不完全攻击数据集的两阶段聚类算法[J].计算机工程与应用.2016
[8].康万里,李燕申,张建枢,李艳红,纪婷婷.两阶段聚类分析在职工工作满意度调查研究中的应用[J].中国卫生统计.2014
[9].邵增珍,王洪国,刘弘,宋超超,孟春华.多车辆合乘问题的两阶段聚类启发式优化算法[J].计算机研究与发展.2013
[10].王改华,李德华.融合纹理特征的两阶段聚类分割算法[J].中国图象图形学报.2012