“聚类算法”可以造什么句，聚类算法造句

模糊聚类算法是一种有效的聚类手段，介绍了最大树模糊聚类算法。

现有的聚类算法可以分为:分割算法，分层算法，基于密度算法，基于网格算法，以及基于建模的算法。

为对多密度数据集聚类，提出一种基于密度可达的多密度聚类算法。

提出了一种基于蚁群聚类算法和裁剪方法的RBF神经网络优化算法。

在结合基于密度和基于网格的聚类算法优点的基础上，提出一种新的聚类算法。

此外，还基于IRIS数据集比较了该算法与FKCN模糊自主聚类算法。

模糊聚类算法试图模拟人类区分模式和获取知识的方式。

该文通过对现有群体智能理论和聚类算法的研究，提出了一种基于群体智能理论的聚类模型，并在此基础上给出了一种优化蚁群聚类算法。

TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量，并以图为基础进行聚类分析，避免有些聚类算法对聚簇形状的限制。

该文提出了一种基于K近邻加权的混合C均值聚类算法。

基本蚁群聚类算法在计算相似度时，由于没有考虑相邻对象之间方向的影响，往往造成聚类速度缓慢甚至算法不收敛。

提出了一种免疫聚类算法，该算法主要包括抗体产生、抗原识别和抗体优化等过程。

应用模式识别中区域聚类法即最近邻简单试探法和K-均值聚类算法来完成高云、中云、低云和地表的区分。

该文提出了一个基于相似系数和检测孤立点的聚类算法，有效地解决了这个问题。

提出了一种新的基于关联规则的多层文档聚类算法，该算法利用新的文档特征抽取方法构造了文档的主题和关键字特征向量。

利用知网较完备的知识体系来构造概念词典和概念层次结构，实现了一种以知网为背景知识的基于概念的中文文本聚类算法。

其次，我们着重研究了文本聚类算法。

特定的访问挖掘是利用聚类算法来生成网页聚类。

实验表明，该算法较之于已提出的半监督聚类算法，获得了更好的聚类*能。

另一方面则利用了分级聚类算法准确度高为确定初始聚类中心提供了可靠的方法。

针对该问题，提出了一种基于概率密度的数据流聚类算法。

同时根据基元信息的类特征，采用了基于关联函数的动态聚类算法，解决了*等级分类问题。

最后使用层次聚类算法在不同的粒度下逐层聚类，构造成层次树形结构，实现了不同粒度下的项目分类。

尽管分割不很精确，但是作为预处理手段，这种分割算法在某些特殊情况下对其他聚类算法有很大帮助。

提出了一种基于模糊C-均值算法和粒子群算法的混合聚类算法。

CLAP算法通过使用随机抽样技术，提高了聚类算法的效率。

提出了一种基于方向相似*度量的蚁群聚类算法。

一百零将超图模型以及基于此的聚类算法应用到社区结构发现的领域。

首先该文利用模糊C均值聚类和可能*C均值聚类的优点，设计出一种混合C均值聚类算法。

该文在传统单视角判别聚类算法的基础上，结合多视角学习的思想，提出了一种新的多视角判别聚类算法(MVDC)。

提出一种基于聚类算法的新闻视频播音员镜头探测方法。

聚类算法的好坏直接影响聚类的效果。