了得網計算機/網絡_基於近鄰思想和同步模型的聚類算法

內容簡介

本書以近鄰思想、同步聚類模型及快速同步聚類算法為研究課題，重點研究了基於近鄰網格圖的聚類算法、基於近鄰網格近鄰勢的聚類算法、快速同步聚類算法、基於Vicsek模型線性版本的同步聚類算法、基於線性加權Vicsek模型的收縮同步聚類算法、基於分而治之框架與收縮同步聚類算法的多層同步聚類方法和基於ESynC算法與微聚類合並判斷過程的組合聚類算法等。本書可作為聚類分析領域研究生的教學和科研參考教材，也可作為智能數據分析與處理技術人員的自學研究參考教材。

作者簡介

陳新泉，安徽工程大學計算機與信息學院機器學習與智能機器人研究室負責人。繫統仿真&仿真技術應用專委會委員，計算機學會3個專委會委員，CCF高級會員，中國復雜性科學研究會會員，安徽省計算機學會青工委委員，安徽工程大學學報編委，碩士生導師。多個國際權威SCI期刊(如《Data Mining and Knowledge Discovery》等)和國內知名期刊的審稿人。多次參與省自然科學基金及省重大專項項目的評審，參與多個國家級、省部級科研項目，主持5個省廳級科研項目。獨立出版2部學術專著，以第一作者在CCF推薦SCI源期刊及其他期刊或會議上發表40多篇學術論文，其中SCI檢索期刊論文6篇，CSCD檢索8篇。

目錄
第1章聚類算法與空間索引結構基礎1
1.1背景與意義1
1.2聚類算法簡介2
1.2.1 基於劃分的聚類算法2
1.2.2 層次聚類算法3
1.2.3 密度聚類算法4
1.2.4 網格聚類算法4
1.2.5 模型聚類算法5
1.2.6 圖聚類算法5
1.2.7 其他聚類算法5
1.3聚類算法的研究現狀及發展趨勢5
1.4同步聚類7
1.4.1 同步的起源與發展7目錄

第1章聚類算法與空間索引結構基礎1

1.1背景與意義1

1.2聚類算法簡介2

1.2.1 基於劃分的聚類算法2

1.2.2 層次聚類算法3

1.2.3 密度聚類算法4

1.2.4 網格聚類算法4

1.2.5 模型聚類算法5

1.2.6 圖聚類算法5

1.2.7 其他聚類算法5

1.3聚類算法的研究現狀及發展趨勢5

1.4同步聚類7

1.4.1 同步的起源與發展7

1.4.2 同步聚類的起源與發展7

1.5近鄰思想及同步模型在聚類分析中的應用11

1.6空間索引結構基礎12

1.7本書的主要內容13

第2章基於近鄰網格圖的聚類算法14

2.1基本概念及性質15

2.2基於近鄰圖的聚類算法20

2.2.1 CNNG算法示例20

2.2.2 CNNG算法描述22

2.2.3 CNNG算法的復雜度分析22

2.2.4 CNNG算法的改進23

2.3網格圖的聚類算法23

2.3.1 CGCG算法的預處理24

2.3.2 CGCG算法預處理步驟的復雜度分析24

2.3.3 CGCG算法描述25

2.3.4 CGCG算法的復雜度分析25

2.4算法實現與改進的若干方法及細節25

2.4.1 多維網格劃分法25

2.4.2 多維索引樹結構26

2.4.3 近鄰點集的構造27

2.4.4 ? 網格集的構造28

2.4.5 區域是否存在交集的判定31

2.5本章小結32

第3章基於近鄰網格近鄰勢的聚類算法33

3.1基本概念33

3.2基於近鄰勢的聚類算法35

3.2.1 CNNI算法描述35

3.2.2 CNNI算法的說明36

3.2.3 參數? 的設置37

3.2.4 CNNI算法的改進版本37

3.2.5 CNNI算法的變種版本38

3.3網格近鄰勢的聚類算法40

3.3.1 CIGC算法描述40

3.3.2 CIGC算法的復雜度分析43

3.3.3 CIGC算法的參數設置43

3.4本章小結44

第4章快速同步聚類算法46

4.1基本概念47

4.2快速同步聚類算法的三種具體版本48

4.2.1 SynC算法描述48

4.2.2 基於R樹的快速同步聚類算法49

4.2.3 基於多維網格和紅黑樹的快速同步聚類算法50

4.2.4 FSynC算法的一些知識53

4.2.5 FSynC算法的復雜度分析54

4.2.6 FSynC算法的參數設置57

4.3本章小結57

第5章基於Vicsek模型線性版本的同步聚類算法58

5.1基本概念及性質58

5.2有效的ESynC算法62

5.2.1 有效的ESynC算法描述62

5.2.2 比較Kuramoto擴展模型、Vicsek模型的線性版本

及Vicsek模型的原始版本63

5.2.3 ESynC算法的復雜度分析68

5.2.4 ESynC算法的參數設置68

5.2.5 ESynC算法的收斂性68

5.2.6 ESynC算法的改進69

5.3本章小結69

第6章基於線性加權Vicsek模型的收縮同步聚類算法71

6.1基本概念71

6.2SSynC算法的對比與分析73

6.2.1 SSynC算法描述73

6.2.2 比較SynC算法、ESynC算法和SSynC算法的動態

同步聚類過程75

6.2.3 SSynC算法的復雜度分析83

6.2.4 SSynC算法的參數設置83

6.2.5 SSynC算法的收斂性86

6.2.6 SSynC算法的改進86

6.3本章小結87

第7章基於分而治之框架與收縮同步聚類算法的多層同步聚類方法88

7.1MLSynC88

7.1.1 使用MLSynC的條件88

7.1.2 MLSynC的兩層框架算法描述90

7.1.3 MLSynC的遞歸算法描述91

7.2 MLSynC的分析92

7.2.1 比較SynC算法、ESynC算法、SSynC算法和

MLSynC的同步聚類過程92

7.2.2 MLSynC的復雜度分析98

7.2.3 MLSynC的參數設置99

7.2.4 MLSynC的收斂性100

7.2.5 MLSynC的改進100

7.3本章小結100

第8章基於ESynC算法與微聚類合並判斷過程的組合聚類算法101

8.1基本概念及性質102

8.2組合ESynC算法與微聚類合並判斷過程的聚類方法103

8.2.1 CESynC算法描述103

8.2.2 CESynC算法中微聚類的合並策略104

8.2.3 CESynC算法中微聚類的合並判斷方法106

8.2.4 CESynC算法的復雜度分析107

8.2.5 CESynC算法的參數設置108

8.3本章小結108

第9章近鄰同步聚類模型與指數衰減加權同步聚類模型的

比較與分析110

9.1基本概念110

9.2基於同步模型的聚類算法框架112

9.2.1 CNNS112

9.2.2 CEDS113

9.3復雜度分析114

9.3.1 算法9-1的復雜度分析114

9.3.2 算法9-2的復雜度分析115

9.4參數的優化確定116

9.5本章小結116

第10章總結與展望117

10.1總結117

10.2展望117

參考文獻119

附錄A128

致謝134

商品搜索

商品分类

【醫學】

【各大出版社】