菜单
　　

    1.2.6  基于密度的方法

    划分和层次方法是为了发现球状簇，但是他们难以发现任何形状的簇。为了发现任何形状的簇，作为选择我们可以将簇看做数据空间中被稀疏区域分开的稠密区域。主要思想是只要对象或者是数据点的数目超过某个阈值，就继续增长给定的簇。也就是说，对于给定簇中的每个数据点，在给定的半径领域中必须至少包括最少数目的点。这是基于密度聚类方法的主要策略。三种代表性的方法为DBSCAN、OPTICS和DENCLUE。此外，可以将基于密度的方法从整个空间聚类扩展到子空间聚类。文献综述

    1.2.7  基于网格的方法

    之前讨论的所有算法都是数据驱动的，他们划分对象集并将他们自动适应嵌入空间中的数据分布。另外，基于网格的聚类方法采用空间驱动的方法，把嵌入空间划分成独立于输入对象分布的单元。经典方法有STING聚类和CLIQUE聚类。

    对于许多空间数据挖掘问题，使用网格一般都是有效的方法。因此，基于网格的方法一般与其他聚类方法集成使用，比如基于密度的方法和层次的方法

  1. 上一篇：LCC复杂产品研制费用估算系统设计与开发
  2. 下一篇：Android移动互联网的校园通知推送系统设计

  1. 基于MATLAB的图像增强算法设计

  2. 基于Kinect的手势跟踪与识别算法设计

  3. JAVA+MYSQL《算法与数据结构...

  4. 神经网络算法在核素识别中的应用研究

  5. 人脸图像品质评估算法设计与实现

  6. Hadoop云计算环境下的Web应用日志安全威胁分析

  7. 基于RGB-D摄像机的图像分割算法研究与实现

  8. 带式输送机技术英文文献和中文翻译

  9. 分光光度法测定水溶液中有机酸含量的研究

  10. 公共服务均等化文献综述和参考文献

  11. 探讨“绿色生态”在都市设计中的体现

  12. 文化旅游主题展示设计广富林十里长街设计

  13. 合肥老乡鸡连锁餐饮企业的经营策略探析

  14. 《简爱》女性主义的象征

  15. 新生代农民工培训现状分析

  16. 机器人摩擦焊机头设计

  17. 圆柱绕流国内外研究现状

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回