导读:本文包含了改进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:短文本,K-means,聚类,无监督
改进聚类论文文献综述
王俊丰,贾晓霞,李志强[1]（2019）在《基于K-means算法改进的短文本聚类研究与实现》一文中研究指出文中讨论在文本类目数未知的情况下,如何对数据量过少的短文本进行有效聚类的问题。短文本的特点是每一份样本文章数据少,数据稀疏,用常规的聚类方法进行文本聚类不能取得很好的效果。文中提出了一种基于K-means的改进算法,提出一种简单降维方式和新的判别样本点距离的方法,经实验验证,文中改进算法比原K-means算法有更高的准确性。(本文来源于《信息技术》期刊2019年12期）
曲金博,王岩,赵琪[2]（2019）在《DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用》一文中研究指出采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明:通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。(本文来源于《测绘通报》期刊2019年11期）
乔丽盼·木太力甫[3]（2019）在《基于改进有序聚类方法的新疆喀什变化环境下水文资料一致性分析》一文中研究指出结合改进的有序聚类方法对新疆喀什地区变化环境下的水文资料非一致性进行分析。分析结果表明:喀什地区年最大降水水量非一致变化较为明显,与气候变化指标关系密切。而年最大径流量非一致变化显着性不高,受人类活动和气候变化综合影响,其中气候影响程度占60%,人类活动影响程度占40%。研究成果对研究变化环境下喀什地区水资源保护规划具有重要的参考价值。(本文来源于《地下水》期刊2019年06期）
伏坤,王珣,刘勇,李刚,徐鑫[4]（2019）在《基于K近邻改进密度峰值聚类分析法的岩体结构面产状优势分组》一文中研究指出为了研究结构面对岩体稳定性的影响,需要清楚岩体结构面的发育规律。传统玫瑰花图、极点图和等密度图等岩体结构面产状优势分组方法较为粗糙,主观因素影响较大,而采用K均值聚类算法、FCM模糊聚类算法则可以得到较为准确的分组结果,但须事先指定聚类数量及初始聚类中心。初始划分对分组结果影响较大,因此提出一种基于K近邻改进密度峰值聚类分析法的岩体结构面产状优势分组的新方法,该方法优点在于无需迭代过程、计算速度快、可自动探测聚类中心数量,并可通过自动计算岩体结构面局部密度大小和聚类中心距离更加准确地确定聚类中心,实现结构面产状的合理划分。通过应用计算机模拟生成的结构面产状数据进行产状优势分组,验证了该方法的准确性和可靠性。最后将这种方法应用于怒江松塔水电站坝址区实测的结构面产状优势分组中,得到了较为符合实际的分组结果。(本文来源于《水利水电技术》期刊2019年11期）
刘撼坤,李晶,范九伦[5]（2019）在《基于改进KMOR的聚类算法》一文中研究指出为避免KMOR (k-means with outlier removal)算法因样本中类内离散度不同而产生离群点误判的问题,提出为每类样本分别选取离群点判别标准的改进算法。在算法初始化时,利用样本的密集性排除离群点干扰;在迭代过程中,根据每类样本的类内离散度分别选取判别标准,与样本到其所属聚类中心的距离比较判别离群点。两者结合提高聚类结果正确率,避免因样本中类内离散度不同产生的误判。实验结果表明,改进算法相比原算法在正确率和离群点检测上有所提高。(本文来源于《计算机工程与设计》期刊2019年11期）
王秀慧,赵治军[6]（2019）在《改进的基于词集距离的FTC聚类算法》一文中研究指出针对FTC在实现聚类的过程中忽略了文本词语有序性这一特征,结合算法时间复杂度,提出基于词集距离的WSD-FTC文本聚类算法。在采用FP-Growth挖掘频繁项集的过程中通过限制词集距离得到质量更高、数量更少的频繁项集,以此作为聚类依据。通过定义簇间相似系数保证多主题文本归入不同簇中,实现一定程度的软聚类。实验结果表明,WSD-FTC具有更好的聚类效果及更优的时间开销。(本文来源于《计算机工程与设计》期刊2019年11期）
吕飞[7]（2019）在《基于改进K-Means聚类算法的互联网涉烟违法犯罪区域划分研究》一文中研究指出近年来,利用物流和快递从事卷烟非法交易的违法犯罪活动日益猖獗,随着烟草行业打假打私力度不断增大,各级烟草专卖管理部门在物流寄递渠道均查获了大量的涉烟案件数据。由于目前行业内外鲜有对该类案件进行大数据分析研究,因此,本文以理论结合实际,首先介绍了数据挖掘技术中聚类算法相关理论,重点对经典K-Means算法及其相关改进算法进行了研究,然后以W市烟草专卖局的真实涉烟案件数据进行实验仿真,通过分析历史各类案发地址等信息,帮助烟草专卖执法人员在涉烟案件经营侦办、卷烟消费市场监管等方面开展精准打击、重点治理。(本文来源于《中国管理信息化》期刊2019年22期）
王梦遥,王晓晔,洪睿琪,柴晓瑞[8]（2019）在《基于改进BIRCH聚类算法的评价对象挖掘》一文中研究指出本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再通过对于剩下的簇使用K-means聚类算法来获得最优评价对象。这种修剪聚类方法与以往的基于PMI算法修剪然后基于K-means聚类算法相比,减少了评价对象修剪时对语料库的依赖,最终聚类的结果更加精准,而且BIRCH算法采用一次扫描数据库的策略,可以有效提高速度。(本文来源于《软件》期刊2019年11期）
郭利进,连丰沛[9]（2019）在《基于SOM聚类算法和灰色改进神经网络的粮仓温度预测》一文中研究指出针对传统粮仓温度预测方法非线性度大、输入变量繁杂、精度不高的问题,提出利用SOM聚类算法降低模型非线性度、利用灰色关联分析法简化模型输入变量、利用灰色GM(1,N)模型和改进神经网络相结合提高精度的预测方法。结果表明,所用方法预测误差小、模型更稳定,为粮仓温度预测提供了一种有效研究方法。(本文来源于《粮食与油脂》期刊2019年11期）
夏会,程平,张砾[10]（2019）在《大数据下基于改进K-means聚类算法的税收风险识别》一文中研究指出目前的税收风险管控模型通常是基于税务人员的先验知识构建的,在海量数据环境下模型的实用性、可扩展性和精确性都有较大的局限。为解决这一问题,提出改进的K-means聚类算法。该方法是无监督学习模型,可以在无先验知识的前提下构建指标,快速且精确地对实例进行聚类,将出现明显异常的小类识别为异常,判定其存在税收风险。基于该模型对房地产类企业股权转让中的税收风险进行分析和评估,发现税收风险等级高的企业及其风险疑点,验证了本方法的有效性。(本文来源于《财会月刊》期刊2019年21期）
改进聚类论文开题报告
（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：
采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明:通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。
（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。
改进聚类论文参考文献
[1].王俊丰,贾晓霞,李志强.基于K-means算法改进的短文本聚类研究与实现[J].信息技术.2019
[2].曲金博,王岩,赵琪.DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用[J].测绘通报.2019
[3].乔丽盼·木太力甫.基于改进有序聚类方法的新疆喀什变化环境下水文资料一致性分析[J].地下水.2019
[4].伏坤,王珣,刘勇,李刚,徐鑫.基于K近邻改进密度峰值聚类分析法的岩体结构面产状优势分组[J].水利水电技术.2019
[5].刘撼坤,李晶,范九伦.基于改进KMOR的聚类算法[J].计算机工程与设计.2019
[6].王秀慧,赵治军.改进的基于词集距离的FTC聚类算法[J].计算机工程与设计.2019
[7].吕飞.基于改进K-Means聚类算法的互联网涉烟违法犯罪区域划分研究[J].中国管理信息化.2019
[8].王梦遥,王晓晔,洪睿琪,柴晓瑞.基于改进BIRCH聚类算法的评价对象挖掘[J].软件.2019
[9].郭利进,连丰沛.基于SOM聚类算法和灰色改进神经网络的粮仓温度预测[J].粮食与油脂.2019
[10].夏会,程平,张砾.大数据下基于改进K-means聚类算法的税收风险识别[J].财会月刊.2019