导读:本文包含了权值聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:CFSFDP算法,密度权值,决策图,平均变化率
权值聚类论文文献综述
董炎焱[1]（2018）在《基于密度权值平均变化率的CFSFDP聚类算法》一文中研究指出CFSFDP聚类算法适应于任意形状的类簇,不需要提前设定聚类数,通过对局部密度和距离的计算产生决策图,从而人工选择聚类中心.若聚类中心在决策图中基本重迭时,肉眼无法分辨,造成对聚类中心的漏选.文章采取基于密度权值平均变化率的CFSFDP聚类算法,增加数据点之间的差异性,以偏离的变化趋势求拐点,通过计算得到聚类中心,提高聚类的准确性.(本文来源于《太原师范学院学报(自然科学版)》期刊2018年03期）
李凯,高岩,曹喆[2]（2018）在《自动调整样本和特征权值的模糊聚类算法》一文中研究指出针对模糊c均值聚类算法对特征噪声和样本噪声较敏感的缺陷,依据特征和样本对聚类的不同影响,将特征权值和样本权值引入到模糊c均值聚类的目标函数,并获得了一个模糊聚类模型。利用拉格朗日方法对该模型求解,提出了样本和特征权值自动调整的模糊聚类算法;同时,将核策略引入到该模糊聚类模型,提出了样本和特征权值自动调整的核模糊聚类算法。实验结果表明该方法对含有特征噪声与样本噪声数据的聚类具有较好的处理能力,为特征提取与样本选取等问题提供了一种可行的途径。(本文来源于《哈尔滨工程大学学报》期刊2018年09期）
王娜,葛毓彬[3]（2016）在《融合标签权值的用户模糊聚类方法研究》一文中研究指出[目的/意义]为提高信息服务的针对性和个性化水平,提出一种融合标签权值的用户模糊聚类方法。[方法/过程]根据用户的标注行意义为构造基于各个标签的模糊相似矩阵,然后根据提出的标签权值确定流程来确定不同标签的权值,再在此基础上求得用户标注行为的模糊相似矩阵,最后通过计算确定阈值并根据阈值对用户进行聚类。[结果 /结论]实验结果表明,该聚类算法能够有效地对用户进行聚类,而且聚类准确度要优于传统模糊聚类方法。(本文来源于《情报理论与实践》期刊2016年03期）
李龙龙,何东健,王美丽[4]（2016）在《新型模糊半监督加权聚类算法中的权值v》一文中研究指出为体现实际应用中不同特征对聚类性能的影响,提出一种模糊半监督加权聚类算法。采用聚类和特征加权同步进行的思想,将特征加权融合到聚类过程中,对不同约束条件下的权值对聚类准确率的影响进行分析,实时观测权值在聚类过程中的变化轨迹的目标。在UCI和自测数据集上的相关实验结果表明,权值能够有效提高算法的性能。(本文来源于《计算机工程与设计》期刊2016年07期）
赵烜强[5]（2016）在《基于异常权值和子空间聚类的无监督网络异常流量检测研究》一文中研究指出随着信息技术和网络技术飞速发展,我们从网络上获取信息资源变得更为丰富,便捷的交流方式极大地缩小了人与人之间的距离,但与此同时,这也给我们计算机安全方面带来了极大的威胁,信息网络安全问题的重要性也逐渐凸显出来。及时有效的发现网络中的攻击或异常行为已经成为了网络安全领域中的一个非常重要的课题。传统的网络异常入侵检测算法一般需要用已打标的数据库来训练模型,而这些标记数据库在实际网络环境中获取成本较高,且对于未训练过的新出现的异常数据流量束手无策。数据挖掘是一种十分常用的数据处理技术,可以从大量的数据中挖掘出潜在的符合事实的规则或知识。数据挖掘中的聚类是一种较好的无监督的学习方法,直接在无标签的数据集上建立检测模型,用以发现已知或未知的异常数据,因此无监督聚类经常与网络异常流量检测技术相结合。基于以上相关研究背景,本文在分析实际网络环境流量的基础上,采用了基于熵知识的数据特征提取方法,有效地降低了实时网络原数据的复杂度。在密度峰值聚类算法的基础上,创新地提出了基于密度的异常权值度量方法,进而构建出一种新的基于密度异常权值和子空间聚类的无监督异常流量检测模型,计算在每个子空间上流量的异常权值并排序后得出最终异常流量,避免了聚类完成后才能检测的方式,从而极大地降低了计算复杂度;同时也提出了另一种基于距离的异常权值度量方法,并在此基础上与K-means聚类算法结合构建出新的无监督异常流量检测模型。这两种方法都克服了传统网络异常流量检测模型的对于标记数据集的依赖,较大地提高了实时异常流量的准确率和查全率,同时也显着地降低了检测时间。最后在真实环境中的某信息安全公司内网数据集上和模拟数据集KDD Cup99上对检测模型进行实验分析验证,结果表明提出的检测模型对于提高检测准确率和降低误检率均有显着的效果。(本文来源于《重庆邮电大学》期刊2016-05-30）
王琛[6]（2015）在《一种基于属性权值分组聚类的相似重复记录检测方法》一文中研究指出为了提高数据集中相似重复记录的检测效率,提出一种基于属性权值的分组聚类算法。该方法在记录集中选取特征属性,通过设定的权值对记录进行聚类,在形成的数据子集中进行字段匹配和记录匹配,来识别相似重复记录,并给出了相关算法。实验表明,该方法能减少字段的匹配次数和记录的匹配范围,节省运行时间,具有较高的查全率和查准率。(本文来源于《宁波职业技术学院学报》期刊2015年02期）
张文婷[7]（2014）在《基于自适应权值差异图融合和聚类的SAR图像变化检测方法研究》一文中研究指出研究同一地区不同时相的两种或多种SAR(Synthetic Aperture Radar,SAR)图像之间发生的变化叫做SAR图像变化检测,可以被应用于社会、经济、军事等许多方面。近几年,由于SAR图像具备全天候、全天时的工作能力以及对地物具有一定的穿透能力和成像覆盖面积大等一系列优点,使得SAR图像成为变化检测的主要数据来源。本论文对SAR图像变化检测中差异图的分析和差异图的构造等方面进行了探索,所取得的主要研究成果为:1.提出了一种基于自适应权值的差异图融合策略,并用于SAR图像变化检测。利用所提出的基于自适应权值的差异图融合策略,将对数比值差异图与直接比值差异图进行融合,再对融合后的差异图进行kmeans聚类,获得最后的变化检测结果。该方法不仅使得融合参数能够根据不同差异图的特性自适应调整,而且考虑了邻域灰度信息与空间信息,提高了变化检测精度和算法的抗噪性能。2.提出了一种基于自适应权值图像融合及PCA特征提取的SAR图像变化检测方法。根据自适应权值,将直接比值差异图和对数比值差异图进行图像融合。再对融合后的差异图用PCA方法进行特征提取,从而获得每个像素对应的特征向量,并组成特征空间矩阵。将k-means聚类方法对于PCA提取的特征,对原始数据进行特征提取,获得特征空间矩阵,再进行聚类,该方法通过非线性映射可以较好地辨别、提取并放大有用的特征,获得更为精准的聚类,使变化检测的错误率进一步降低。使得抗噪能力增强,总错误数减少,提高了变化检测的精度。3.提出了一种基于马尔科夫随机场模糊聚类的SAR图像变化检测方法。该方法将马尔科夫随机场模型应用到模糊c均值聚类中,提高了在马尔科夫随机场模型中所用的能量函数的最小二乘模型方法拟合的精度,并改进了模糊聚类的目标函数,在原始目标函数中加入了KL(Kullback-Leibler)信息正则化,使聚类更为准确,从而提高了算法的变化检测精度与抗噪性能。本论文工作得到国家自然科学基金(No.61003199)、中央高校基本科研业务费专项资金(Nos.JB140216和K5051202019)资助。(本文来源于《西安电子科技大学》期刊2014-12-01）
张晓丹,黄海燕[8]（2013）在《基于免疫克隆算法的LVQ聚类算法权值优化》一文中研究指出学习矢量量化(LVQ)聚类算法存在严重的对初值敏感的问题,若初值的选择偏差太大,就不会产生好的聚类效果,致使聚类精准度不够。免疫克隆算法具有很强的群体搜索能力,将免疫克隆算法用于优化LVQ聚类算法的初值,并将改进得到的聚类算法用于对IRIS数据集进行分类。分类结果与标准的LVQ算法的比较表明,改进后的聚类算法在稳定性上有了较大幅度的提高。(本文来源于《计算机科学》期刊2013年S1期）
王亮,王士同[9]（2011）在《动态权值混合C-均值模糊核聚类算法》一文中研究指出PCM算法存在聚类重迭的缺陷,PFCM算法同时利用隶属度与典型值把数据样本划分到不同的类中,提高了算法的抗噪能力,但PFCM算法对样本分布不均衡的聚类效果并不十分理想。针对此不足,可以通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,从而得到特征空间内的目标函数。理论分析和实验结果表明,相对于其他经典模糊聚类算法,新算法具有更好的健壮性和聚类效果。(本文来源于《计算机应用研究》期刊2011年08期）
刁静霓,尚学群,王淼,缪苗[10]（2011）在《基于权值图的基因芯片数据差异双聚类挖掘算法》一文中研究指出研究了从基因芯片中挖掘差异双聚类的算法。差异双聚类中的基因在不同类别的数据中表达水准不同,这样的差异双聚类可以有效地找出影响基因表达水平的关键实验因素以及对实验条件敏感的基因。传统的双聚类方法采取分别在两类基因数据中找出聚类,再进行比较以得到最终的差异双聚类,该策略的时间效率不高。为了快速地找出差异双聚类,提出一个全新的基于权值图的差异双聚类方法,该方法的主要创新之处在于直接在由两类数据构成的权值图上挖掘双聚类,避免了分别挖掘再比较的步骤。实验结果证实该算法具有较高的运行效率。(本文来源于《计算机应用研究》期刊2011年01期）
权值聚类论文开题报告
（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：
针对模糊c均值聚类算法对特征噪声和样本噪声较敏感的缺陷,依据特征和样本对聚类的不同影响,将特征权值和样本权值引入到模糊c均值聚类的目标函数,并获得了一个模糊聚类模型。利用拉格朗日方法对该模型求解,提出了样本和特征权值自动调整的模糊聚类算法;同时,将核策略引入到该模糊聚类模型,提出了样本和特征权值自动调整的核模糊聚类算法。实验结果表明该方法对含有特征噪声与样本噪声数据的聚类具有较好的处理能力,为特征提取与样本选取等问题提供了一种可行的途径。
（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。
权值聚类论文参考文献
[1].董炎焱.基于密度权值平均变化率的CFSFDP聚类算法[J].太原师范学院学报(自然科学版).2018
[2].李凯,高岩,曹喆.自动调整样本和特征权值的模糊聚类算法[J].哈尔滨工程大学学报.2018
[3].王娜,葛毓彬.融合标签权值的用户模糊聚类方法研究[J].情报理论与实践.2016
[4].李龙龙,何东健,王美丽.新型模糊半监督加权聚类算法中的权值v[J].计算机工程与设计.2016
[5].赵烜强.基于异常权值和子空间聚类的无监督网络异常流量检测研究[D].重庆邮电大学.2016
[6].王琛.一种基于属性权值分组聚类的相似重复记录检测方法[J].宁波职业技术学院学报.2015
[7].张文婷.基于自适应权值差异图融合和聚类的SAR图像变化检测方法研究[D].西安电子科技大学.2014
[8].张晓丹,黄海燕.基于免疫克隆算法的LVQ聚类算法权值优化[J].计算机科学.2013
[9].王亮,王士同.动态权值混合C-均值模糊核聚类算法[J].计算机应用研究.2011
[10].刁静霓,尚学群,王淼,缪苗.基于权值图的基因芯片数据差异双聚类挖掘算法[J].计算机应用研究.2011