公共文化服务平台

搜索到51篇“ PAM算法“的相关文章

PAM算法在柔性流水车间组批排产优化问题中应用: 2020年; 聚类就是把不同的数据按照相关属性分成不同的类的过程,分到相同类别的数据都有比较大的相似性,而差异性比较大的就是不同类别。在最近几十年中,聚类分析广泛地应用在许多领域中,包括模式识别、数据分析、图像处理以及市场研究等等。聚类可以说是智能算法的一种提前处理的方法,它是一种研究性的分析,不需要提前得到分类标准,可以自行以样本数据为模板分类。当然,如果使用不同的分析方法,在实际操作中相同的数据也会有不同的结果。聚类分析目前在各个领域都有广泛的应用,本文将主要利用一种K中心点算法(PAM)对组批排产问题的工件进行预处理。; 谢蕃怿韩忠华; 关键词：PAM算法组批

MapReduce下融合PAM算法与仔细播种的多样本归并聚类: 2017年; 传统PAM(Partitioning Around Medoids)算法时间复杂度较高,处理大数据集时效率低下.近年来,越来越多研究者使用MapReduce模型来使聚类算法获得更高的性能,然而MapReduce模型在算法迭代过程中需要多次重启任务、从文件系统读取数据和数据洗牌,影响数据处理效率.本文提出两种基于MapReduce的融合PAM算法与仔细播种的聚类处理模型,在保持PAM算法聚类有效性的同时,在算法性能上获得显著提高.性能试验和聚类有效性实验的结果表明本文提出的方法达到了预期的效果且具有很好的可扩展性.; 赵宝文徐华; 关键词：MAPREDUCE 概率抽样聚类有效性

不确定数据聚类的U-PAM算法和UM-PAM算法的研究被引量：7: 2016年; UK-means算法在处理不确定数据时对孤立点非常敏感,而且事先必须已知不确定数据的分布函数或概率密度,然而这在实际中往往很难获得。因此,针对UK-means在处理不确定测量数据时的不足,首先提出了基于区间数的PAM不确定聚类算法——U-PAM,该算法用区间数和标准差合理地描述了不确定测量数据的不确定性,进而完成有效的聚类;其次,针对海量不确定测量数据难以聚类的问题,基于U-PAM聚类算法,采用抽样技术提出了处理海量不确定测量数据的算法——UM-PAM算法,该算法先抽样,对样本数据聚类,然后再总体聚类;最后,基于UPAM算法和CH聚类的有效性指标函数对聚类结果进行分析,以确定最佳聚类数。实验理论表明,所提算法聚类效果明显。关键词不确定数据,区间数,聚类算法,PAM算法和 CH 聚类的有效性指标函数对聚类结果进行分析,以确定最佳聚类数。实验理论表明,所提算法聚类效果明显。; 何云斌张志超万静李松; 关键词：不确定数据区间数

一种基于PAM算法进行分簇的LEACH_P协议: 2014年; 在LEACH协议的基础上提出了一种LEACH_P算法,该算法使用基于划分的聚类算法PAM对初始拓扑进行分簇。首轮选择距离簇质心最近的节点作为簇头,后面各轮选择簇头邻域内剩余能量最大的节点作为簇头。每当死亡节点增量达到节点总数的5%时,重新进行分簇,同时簇头领域半径增大25%后再进行簇头选择。仿真结果表明,LEACH_P算法分簇更加合理,节点能耗更加均衡,整个网络生存周期(第一个节点死亡时间)延长了30%左右,有效地提升了网络性能。; 刘基墙徐鹏; 关键词：WSN路由协议 LEACH PAM算法 MATLAB仿真

基于网格结构的快速PAM算法被引量：2: 2011年; 为提高标准PAM算法处理大数据集合的效率,提出了一种改进的快速PAM算法。该算法结合空间网格结构的概念,通过优化初始代表对象的选择、限制迭代过程中遍历的对象数量来减少标准PAM算法的运算量。实验结果表明,相对于标准PAM算法,在保证聚类结果准确性的前提下,快速PAM算法可节省85%左右的执行时间,有效地改善了原算法的性能。; 王世卿张书春; 关键词：聚类方法 PAM算法时间复杂度数据挖掘

一种基于K均值预处理回溯的PAM算法被引量：3: 2011年; 针对PAM算法在进行聚类时容易陷入死循环的缺陷,引用了回溯法来解决该问题。但是,加入回溯法的PAM算法具有计算量大迭代次数多的缺点,为了在PAM算法迭代过程中,尽量避免使用回溯法,于是进一步,提出了在进行PAM聚类前,采用K-means算法对数据进行预处理,从而获得粗糙中心点,然后找出一组与粗糙中心点最接近的数据作为初始中心点,再进行PAM聚类。从而得到基于K-means预处理回溯法的PAM算法(K-means Data Preprocessing Backward Search PAM,简称KDPBS-PAM)。实验结果表明,KDPBS-PAM算法极大地改善了PAM算法的性能。; 罗德超吴文亮姬应江杨淑爱胡君; 关键词：PAM 回溯法

基于改进的PAM算法的入侵检测方法: 2010年; 研究了入侵检测中算法的应用问题,由于PAM算法的入侵行为检测对大的数据集合没有良好的可伸缩性,提出了一种基于改进的PAM算法的入侵检测方法。首先将训练数据集转换为标准的单位特征度量空间;然后利用改进算法对数据进行划分,以找到聚类中心;最后对算法进行了性能分析与比较,并将该方法成功应用于入侵检测的仿真实验中。实验结果表明,算法具有良好的稳定性,能够有效地检测真实网络数据中的入侵行为,对大数据集合具有较好的可伸缩性。; 罗海波谢柳华; 关键词：聚类异常检测检测率误警率

三水源新安江模型参数不确定性分析PAM算法被引量：6: 2007年; 针对水文模型参数不确定性分析常用方法收敛速度缓慢,容易陷入参数空间局部最优区域等问题,提出了PAM(parallel adaptive metropolis)算法;对三水源新安江模型参数不确定性进行分析研究。实例研究表明显著提高了计算速度和求解质量,参数后验分布结果为区间预报提供了条件。; 程春田李向阳; 关键词：水文模型 PAM 并行计算

一种基于限制的PAM算法被引量：6: 2006年; 利用数据对象间的关联限制可以改善聚类算法的效果,但对于关联限制与K中心点算法的结合策略则少有研究。由此研究了关联限制与PAM算法的结合方法,提出了算法CPAM。首先基于限制找到一个合适的初始分隔;在接下来反复地调整中心点的过程中,也考虑到了所给限制。实验结果显示:CPAM可以有效地利用关联限制来提高一些实际数据集的准确率。; 何振峰; 关键词：聚类分析 PAM算法半监督学习

聚类分析中PAM算法的分析与实现被引量：31: 2003年; 首先详细讨论了PAM算法,包括:PAM算法的基本思想,如何替换中心点增进聚类质量,PAM算法的处理流程,代价函数的计算,相异度的计算,复杂度分析等,然后给出了一个实现PAM算法的实例。; 陈志强刘钊张建辉; 关键词：PAM算法聚类分析图像处理模式识别数据分析

相关作者