一種密度敏感的數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法在處理復(fù)雜結(jié)構(gòu)數(shù)據(jù)集時(shí)聚類(lèi)性能不佳的問(wèn)題，提出了一種密度敏感的數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法。首先，在密度敏感距離測(cè)度的基礎(chǔ)上定義了局部距離，以描述數(shù)據(jù)分布的局部一致性；其次，在局部距離的基礎(chǔ)上計(jì)算出數(shù)據(jù)間的全局距離，用來(lái)描述數(shù)據(jù)分布的全局一致性，挖掘數(shù)據(jù)的空間分布信息，以彌補(bǔ)歐氏距離描述數(shù)據(jù)分布全局一致性能力不佳的缺陷；最后，將全局距離用于數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法中。將新算法與基于歐氏距離的數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法進(jìn)行性能比較，在人工數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該算法克服了數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法難以處理復(fù)雜結(jié)構(gòu)數(shù)據(jù)的缺點(diǎn)，聚類(lèi)結(jié)果具有更高的準(zhǔn)確率。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種密度敏感的數(shù)據(jù)競(jìng)爭(zhēng)聚類(lèi)算法下載
相關(guān)電子資料下載
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 如何在 Python 中安裝和使用頂級(jí)聚類(lèi)算法 415
- 10種聚類(lèi)算法和Python代碼4 1118
- 10種聚類(lèi)算法和Python代碼3 960
- 10種聚類(lèi)算法和Python代碼2 796
- 10種聚類(lèi)算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺(jué)新范式！COCs：將圖像視為點(diǎn)集 636
- 10種頂流聚類(lèi)算法Python實(shí)現(xiàn)（附完整代碼） 993