Los métodos tradicionales de clustering a menudo no pueden evitar el problema de la selección de los parámetros de vecindad y el número de clusters, y la selección óptima de estos parámetros varía entre diferentes formas de datos, lo que requiere un conocimiento previo. Para abordar el problema de la selección de los parámetros mencionados, proponemos un algoritmo de clustering eficaz basado en la vecindad adaptativa, que puede obtener resultados de clustering satisfactorios sin necesidad de establecer los parámetros de vecindad y el número de clusters. La idea central del algoritmo es iterar primero de forma adaptativa hasta un estado estable logarítmico y obtener información de vecindad de acuerdo con las características de distribución del conjunto de datos, y luego marcar y pelar los puntos límite de acuerdo con esta información de vecindad, y finalmente agrupar los clusters de datos con los puntos centrales como centros. Hemos llevado a cabo amplios experimentos comparativos con conjuntos de datos de diferentes tamaños y distribuciones y hemos obtenido resultados experimentales satisfactorios.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Generación de chorro de plasma de hio y su aplicación para la esterilización
Artículo:
Crecimiento en fase gaseosa de nanobeltos de ZnS wurtzita a gran escala
Artículo:
Dispersión de nanotubos de carbono multipared en disolventes orgánicos mediante condiciones hidrotérmicas supercríticas
Artículo:
Detección de inmunoglobulina E con un aptasensor de transistor de efecto de campo basado en grafeno
Artículo:
Emparejamiento temporal en imágenes endoscópicas para cirugía robótica controlada a distancia
Artículo:
Análisis ABC en la gestión de inventarios : aplicación de la metodología en un caso específico
Artículo:
Metodología six-sigma : calidad Industrial
Artículo:
Aplicación de seis sigmas integradas con AMEF y QFD en el proceso de fabricación y distribución de muebles
Artículo:
Mejora de procesos de producción a través de la gestión de riesgos y herramientas estadísticas