导读:本文包含了聚类处理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,遥感,图像,规则,搜索引擎,旅行,数据流。
聚类处理论文文献综述
李建军[1]（2019）在《基于大数据聚类处理的百货商场会员画像描绘研究》一文中研究指出文章研究百货商场大量会员画像描绘,以大量的数据为支撑,应用Excel、SPSS、Mathematica软件,分析该商场的会员消费特征,比较他们的消费总金额,将消费等级进行划分,建立有效的数学模型刻画会员的购买力,从而更好地为会员提供优质的个性化服务。(本文来源于《科技传播》期刊2019年02期）
张机[2]（2017）在《基于图像聚类处理技术的岛屿沙化分析》一文中研究指出本文用图像聚类方法对遥感图像区域进行分类,是图像处理技术在岛屿沙化分析中的具体应用。这一新方法新工具的引入,实现了运用计算机对遥感图像自动解译、及时快速地发现区域变化,对土地沙化程度快速监测具有重大的现实意义。(本文来源于《中国培训》期刊2017年07期）
孟喜艳,傅文灵,马波,方壮[3]（2015）在《聚类处理的蚁群算法在旅行商问题中的应用》一文中研究指出针对大规模旅行商问题具有区域分布的族类特征,采用最小方差法将城市样本点聚成k个城市群,利用蚁群算法,求出每个城市群内部城市的最短路径及城市群之间的最短路径.提出了一种新的城市群连接方式及标记方法,使得从任一个城市出发,以该方式可对每个城市群的连接城市进行标记,同时,利用循环搜索的方法可得到每个城市群的连接方式,最终得到全局最短路径的一个满意解.最后利用TSPLIB提供的实验数据,对算法的正确性进行了验证.(本文来源于《湖北民族学院学报(自然科学版)》期刊2015年01期）
李子柳[4]（2013）在《大数据实时流式聚类处理框架研究》一文中研究指出云计算、物联网以及移动互联网的普及和推广，促使海量数据的产生。如何从海量的数据中快速挖掘和发现知识，成为了研究者和企业的重要的关注点。在Web2.0时代，众多的应用会实时地产生大量数据流，新型流式数据的处理也带来很大的挑战。这种新的数据呈现形式导致在处理的过程中必须要面临几个大的问题：数据仅能访问一次、计算资源有限、处理的近实时性。因此，在对大量数据流进行数据挖掘处理时，如何利用有限的计算资源对实时的数据流信息进行快速的处理是一个很大的挑战和难点。数据聚类是数据挖掘中的一个重要的研究方向，其旨在通过对数据进行聚类分析，将数据分成由类似对象组成的类别。然而，数据流这种新的数据形态使得传统的聚类方法无法被直接应用，故需要研究新的数据流处理框架和方案。现有的数据流处理框架，如CluStream的双组件框架，为数据流的处理提供了很好的基础，然而这些框架对计算资源的考虑侧重点只在于对数据流的数据的有效摘取和存储，并不能很有效地利用计算资源提供更多更快的聚类服务。基于以上的数据流处理要求和挑战，本文探讨一种基于数据概念漂移的阶段性的按需处理的数据聚类框架（SRAStream）。该框架的目标是利用有限的计算资源，在保证一定的精确度情况下确保数据处理得更快，即是在牺牲可接受的精确度以提高数据的处理效率和服务能力。该框架的主要方案是通过对数据概念漂移进行检测，在数据发生概念漂移时触发后续的聚类计算操作，否则利用已有的最新的聚类结果进行服务；其原因是当概念漂移没有发生时，新数据的聚类结果与旧的聚类结果相近，而利用该方案可以减少不必要的重复计算，释放资源的压力，提升数据的处理能力。该框架主要包括四大模块：快速计算模块、数据概念漂移检测模块、聚类模块和资源监控模块。此外，在该框架下，本文也提出了一个数据概念漂移检测算法，通过快速准确的检测可以有效发现是否需要重新聚类，并及时提供重新聚类的触发信息。该算法模型是基于划分统计和快速粗糙聚类的，通过引入簇对数据点的容忍概念，对待检查数据集分割成簇容忍点集和簇不可容忍点集，基于簇容忍点集的划分统计识别簇集信息的偏移和消退，并且利用快速粗略的聚类方法对不可容忍点集挖掘新簇的产生，从簇集偏移、簇的消失以及簇新增多角度地构建新数据集的数据概念漂移模型，构建多粒度的漂移级别的检测。文中除了对框架的相关模块进行了数据模型的构建和分析，同时也从时间复杂度和空间复杂度两个方面去比较本方案和经典方案CluStream。最后，论文在UCI数据集以及其他相关数据集上，通过构造相关的精确度实验和数据流模拟实验，从实验效果检验本案效果达到预期的目标。(本文来源于《中山大学》期刊2013-05-01）
周国娟[5]（2010）在《基于蚁群算法的文本聚类处理的研究》一文中研究指出为了研究并提高文本的聚类算法的性能,根据蚁群算法在TSP问题中的应用方法,将其改进引用到文本的聚类处理的研究中。在文本的聚类处理研究中,改变蚂蚁的信息素释放机制,道路节点的聚合方式,从而最终将相似文本进行聚合。对改进的算法进行实验后的结果证明,这种新的算法可以使文本聚类的准确度提高,具有良好的聚类效果,能有效提高查询的文本召回率。蚁群算法在文本聚类中的应用是可行的。(本文来源于《通信技术》期刊2010年11期）
王琼,吕晓猛,蒋玉峰,陆刚[6]（2010）在《带聚类处理的元搜索引擎的设计与实现》一文中研究指出在元搜索引擎技术和数据挖掘技术的基础上,结合关联规则与FCM(模糊C均值聚类,Fuzzy C-Means)提出一种基于关联词矩阵的结果模糊聚类优化方法——FCMAWM(FCM basedon Associated Word Matrix),并详细描述其过程.基于该算法设计并实现了一个带聚类处理的元搜索引擎系统CMES,介绍了该系统的设计总体框架,并对其进行测试及分析,结果证明该系统在提高用户检索效率的同时,有效地提高了查全率及查准率.(本文来源于《常熟理工学院学报》期刊2010年02期）
段凤玲,李龙澍,曹文婷[7]（2009）在《具有多态特征和聚类处理的蚁群算法》一文中研究指出现实蚁群中,蚁群的觅食是一种典型的聚类行为,文中针对一些带聚类特征的TSP,提出了新型的带聚类处理的多态蚁群算法。该算法思想是根据聚类特征对TSP中的城市进行处理,将待求问题分成许多小规模的子问题。对于每个子问题,融合多态蚁群算法,引入不同种类的蚁群。通过对每个子问题进行求解,得到类内最短距离。最后按文中给出的规则合并所有子问题的解得到最优解。算法实验测试结果表明,该算法能将局域搜索与全局搜索相结合,极大提高了算法的收敛速度和求解速度。(本文来源于《计算机技术与发展》期刊2009年12期）
钱功伟,倪林,田甜,曹荣[8]（2007）在《带聚类处理的元搜索引擎的设计与实现》一文中研究指出设计实现了一个高扩展性的元搜索引擎,并提出基于关联规则的聚类算法作用于查询结果,大大提高查询结果的可浏览性。实验结果表明该聚类算法在复杂度和聚类效果上均优于传统的k-means算法。(本文来源于《计算机工程与应用》期刊2007年22期）
曾勋,卢艳民,陈红[9]（2006）在《基于滑动窗口的数据流压缩技术及聚类处理方法》一文中研究指出1前言近几年来,数据流模型逐渐受到人们的关注,其应用主要是针对海量的流数据应用,如通讯中的电话记录、网络服务器产生的日志文件、网络入侵监测、金融市场的证券交易等等。与传统数据形式不(本文来源于《第二十叁届中国数据库学术会议论文集（技术报告篇）》期刊2006-11-10）
邵锐[10]（2005）在《粗集在遥感影像聚类处理中的应用》一文中研究指出遥感影像是地表叁维景物的二维平面成像,由于地球系统的复杂性和开放性,以及遥感信息传输过程的信息衰减,决定了遥感影像具有复杂、不确定、不精确和信息不完全的特性。智能遥感影像信息处理和分析的关键问题之一就是如何对于这些不精确、不完全信息进行分类分析和知识获取。常规的遥感信息处理的理论与方法——光谱和空间分析方法,基本遵循数理统计分析的理论模式,其统计方法的本质决定了它们的局限性,已经很难适应这一要求。近几年发展起来的粗集理论,为解决这一难题提供了新的途径。 粗集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种新的软计算方法,特别适合于不完整、不确定知识和数据的表达、学习和归纳,是具有发展潜力的智能信息处理方法。国内外智能数据处理领域对该理论和应用有着广泛和深入的研究,并不乏成功应用实例的报道。应用不确定性理论和方法研究遥感信息的处理、分析和结果评估是当前遥感信息智能处理领域的主流研究趋势之一。本文拟应用粗集的理论和方法,将遥感影像表达的信息看成一个知识系统,研究基于粗集理论的遥感影像预处理方法;通过利用粗集理论的非确定性问题处理能力,避免或减少主观性假设和人工设置经验性参数的影响,提高系统处理非确定性问题的能力。 论文从粗集理论的不可分辨关系(等价关系)、近似集合和分类概念出发,研究基于粗集理论的图像滤波、图像增强的算法,提出保护边缘的粗集滤波增强算法;应用粗集与聚类算法相结合的方法对遥感影像的进行处理。具体的研究工作和创新之处主要体现在: (1)通过对粗集理论的理论基础和遥感信息的不确定特性的初步分析,论述利用该理论来处理遥感信息的可行性以及优势。 (2)从粗集理论的不可分辨关系、近似集合和分类概念出发,研究图像滤波和图像增强的一些粗集算法,提出一种保护边缘的粗集均值滤波算法,实验证明其有效性。 (3)分析聚类初值对于K-means聚类结果的影响,通过应用粗集的等价关系概念来选取聚类所需要的初始类的个数和均值,从而提高聚类的效率和准确性。 (4)从DBSCAN算法入手,分析该算法的优势和面临的主要问题,通过应用粗集理论的分类概念,对算法进行改进,使改进后的DBSCAN算法适合对于大数据量的遥感影像进行聚类处理,降低算法对计算机主存的要求和对输入参数Eps的依赖。 由此可见,良好的处理机制有助于提高遥感影像的处理效果和效率。在遥感影像处理过程中,粗集理论还有很多可以发挥效用的地方,如影像分类规则的提取;与神经网络相结合建立遥感影像分类模型等等。本文所做的工作还很有限的和很粗浅,(本文来源于《武汉大学》期刊2005-05-01）
聚类处理论文开题报告
（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：
本文用图像聚类方法对遥感图像区域进行分类,是图像处理技术在岛屿沙化分析中的具体应用。这一新方法新工具的引入,实现了运用计算机对遥感图像自动解译、及时快速地发现区域变化,对土地沙化程度快速监测具有重大的现实意义。
（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。
聚类处理论文参考文献
[1].李建军.基于大数据聚类处理的百货商场会员画像描绘研究[J].科技传播.2019
[2].张机.基于图像聚类处理技术的岛屿沙化分析[J].中国培训.2017
[3].孟喜艳,傅文灵,马波,方壮.聚类处理的蚁群算法在旅行商问题中的应用[J].湖北民族学院学报(自然科学版).2015
[4].李子柳.大数据实时流式聚类处理框架研究[D].中山大学.2013
[5].周国娟.基于蚁群算法的文本聚类处理的研究[J].通信技术.2010
[6].王琼,吕晓猛,蒋玉峰,陆刚.带聚类处理的元搜索引擎的设计与实现[J].常熟理工学院学报.2010
[7].段凤玲,李龙澍,曹文婷.具有多态特征和聚类处理的蚁群算法[J].计算机技术与发展.2009
[8].钱功伟,倪林,田甜,曹荣.带聚类处理的元搜索引擎的设计与实现[J].计算机工程与应用.2007
[9].曾勋,卢艳民,陈红.基于滑动窗口的数据流压缩技术及聚类处理方法[C].第二十叁届中国数据库学术会议论文集（技术报告篇）.2006
[10].邵锐.粗集在遥感影像聚类处理中的应用[D].武汉大学.2005
论文知识图
