基于距离函数的改进k-means算法

聚类算法在自然科学和和社会科学中都有很普遍的应用，而K-means算法是聚类算法中经典的划分方法之一。但如果数据集内相邻的簇之间离散度相差较大，或者是属性分布区间相差较大，则算法的聚类效果十分有限。本文基于离散度的思想，采用新的加权距离函数代替了传统算法的欧氏距离，在一定程度上优化了k-means算法的聚类结果。

电信客户细分中基于聚类算法的数据挖掘技术研究

结合市场细分和数据挖掘技术等相关理论,针对电信行业客户细分领域存在的问题,以某市电信公司提供的二十多万客户数据作为研究对象,基于CRISP-DM数据挖掘模型,通过数据挖掘工具中提供的K-means聚类算法完成对电信市场客户准确、有效的聚类细分,为管理和营销人员初步提供了制定管理或营销计划的依据。在完成客户细分模型的基础上,设计和实现了电信客户细分系统,并编码实现该系统功能的主要模块,将客户细分的整个流程通过自动化的过程描述出来。

基于移动互联的信息化智能处理平台设计

针对传统信息化处理平台一直存在耗时高、平台响应滞后以及信息聚类精度低等问题。提出并设计了基于移动互联的信息化智能处理平台和平台的物理架构。该平台由资讯服务模块、信息推送模块和智慧信息热点发现模块三大功能模块构成,分析了各功能模块的操作流程,这些功能模块协同运作,实现信息的智能化处理。通过ICTCLAS分词系统对新闻文本进行分词处理,完成对关键词的采集,利用向量空间模型获取新闻文本的知识描述模型,对新闻标题词频进行采集,得到K个原始聚类中心,通过汇总新闻标题词频的改进K-Means算法,对新闻特征向量实施话题聚类,得到热点信息。实验结果说明,所设计的处理平台具有较高的运行效率和聚类精度,信息化处理性能强。

基于颜色和纹理特征聚类的图像检索

针对采用单一特征描述图像进行检索准确度不高,以及没有考虑图像库中图像之间相似度,未对图像进行聚类,导致检索速度不快的问题,提出采用颜色自相关图和Gabor算法相结合描述图像特征,进而对图像实现聚类的图像检索。首先,颜色自相关图除了描述图像的颜色特征,也反映了图像的空间关系;Gabor变换描述了图像的纹理特征,然后二者融合描述综合特征,利用改进K-means实现聚类。实验表明,颜色自相关图和Gabor二者结合并采用改进K-means聚类算法在一定程度上加快了检索速度,提高了检索精度。