简介：一个网络的聚类的系数C，是在各种各样的节点的邻居之间的直接连接的一项措施，从0(为没有连接)到1(为完整的连接)。我们基于在从一个来源节点的距离h的节点定义一个小世界的网络的扩大聚类的系数C(h)，因此概括distance-1邻居在计算平常的聚类系数C=C(1)采用了。在一个网络关于距离分发Pδ(h)基于已知的结果，也就是说概率顶点的随机选择的对有距离h，我们发源；试验性地验证法律Pδ(h)C(h)≤c木头N/N，在c是很少超过1的一个小常数的地方。因为它证明产品Pδ(h)C(h)由是比为Pδ(h)的最大的价值的产品更加小的价值是上面界限的，这结果是重要的；C(h)。聚类系数扩大；管理他们的法律提供新卓见进小世界的网络的结构；为他们的性质的进一步的探索开创大街。

简介：Inthispaper,weproposeadimension-reducing,K-meanclusteringprocedurebyProjectionPursuit(PP)techniquesoastoexploretheclusteringstructureofdatainhigh-dimensionalspaceintermsoflow-dimensionalprojectivepointsofdata,andweobtainthea.s.consistenceoftheestimatesoftheclustercentersandprojectionorientations.

简介：

简介：Mostoftheearlierworkonclusteringmainlyfocusedonnumericdatawhoseinherentgeometricpropertiescanbeexploitedtonaturallydefinedistancefunctionsbetweendatapoints.However,dataminingapplicationsfrequentlyinvolvemanydatasetsthatalsoconsistsofmixednumericandcategoricalattributes.Inthispaperwepresentaclusteringalgorithmwhichisbasedonthek-meansalgorithm.Thealgorithmclustersobjectswithnumericandcategoricalattributesinawaysimilartok-means.Theobjectsimilaritymeasureisderivedfrombothnumericandcategoricalattributes.Whenappliedtonumericdata,thealgorithmisidenticaltothek-means.Themainresultofthispaperistoprovideamethodtoupdatethe'clustercenters'ofclusteringobjectsdescribedbymixednumericandcategoricalattributesintheclusteringprocesstominimisetheclusteringcostfunction.Theclusteringperformanceofthealgorithmisdemonstratedwiththetwowellknowndatasets,namelycreditapprovalandabalonedatabases.

简介：在这篇论文，我们为用模糊的熵识别相关潜水艇空格建议一个新奇方法并且表现聚类。这项措施由使用会员功能测量班火柴度更好区别真实分发。因此模糊的熵在潜水艇空格在模式的实际分发反映更多的信息。我们基于剪影标准使用一个启发式的过程发现簇的数字。介绍理论和算法通过许多基准数据集合的实验被评估。实验结果与几个另外的聚类的算法比较显示出它的有利表演。

简介：