已閱讀1頁，還剩55頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、k-means算法是聚類領(lǐng)域中的重要算法，但其聚類結(jié)果受初始聚類中心影響較大，并不能每次都產(chǎn)生理想的聚類結(jié)果。本文分析了粒子群算法和k-means算法的特點(diǎn)，選擇粒子群算法作為降低k-means算法對(duì)初始聚類中心敏感性的基礎(chǔ)算法。建立了雙種群進(jìn)化的基本框架，設(shè)計(jì)了自調(diào)節(jié)慣性因子策略及信息交流機(jī)制，形成了雙粒子群優(yōu)化算法。將其與k-means算法相融合，提出了結(jié)合雙粒子群和k-means的聚類算法，并應(yīng)用于文本聚類中，設(shè)計(jì)了兩種個(gè)體編碼方
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于密度的改進(jìn)K-Means文本聚類算法研究.pdf
- (6)K-means聚類算法.pdf
- K-means聚類算法的改進(jìn).pdf
- 基于K-means算法的文本聚類的研究與實(shí)現(xiàn).pdf
- K-means聚類算法的改進(jìn)研究.pdf
- K-Means算法研究及在文本聚類中的應(yīng)用.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于BFO和K-means相結(jié)合的web用戶會(huì)話聚類方法研究.pdf
- 降維多核K-Means算法在文本聚類中的研究.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- 基于k-means的中文文本聚類算法的研究與實(shí)現(xiàn).pdf
- 基于混合細(xì)菌覓食和粒子群的k-means聚類算法在類風(fēng)濕并發(fā)癥中的研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- K-Means聚類算法的研究與改進(jìn).pdf
- k-means聚類算法分析應(yīng)用研究
- 基于K-means算法的Web短文本聚類方法研究與應(yīng)用.pdf
- 基于K-means聚類的RCNA識(shí)別算法.pdf
- K-means聚類算法的改進(jìn)研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論