檢索結果：共8筆資料 檢索策略： "DBSCAN".ekeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
本論文提出一改良式密度為基礎分群演算法，「整合密度趨勢與虛擬核心點之改良式密度分群演算法」：DTVC-DBSCAN(Integration of Density-Trend and Virtual …
2
分群是常見的一種資料探勘的技術，可以將多分量資料中擁有分量相似的資料區分在不同的組別形成不同的子集，而DBSCAN是其中一個廣受用的分群演算法，他可以將群集分成任意形狀與有效找出資料中雜訊的優點，但…
3
分群是一依據資料某些特性而將其分成不同群聚的技術。DBSCAN為一個基於密度的分群演算法。DBSCAN演算法中需要兩個使用者自訂的參數，而這兩個參數在使用者未對資料有事先研究過的情況下往往難以決定，…
4
5
分群演算法(Clustering Algorithms) 可將多維資料歸納於若干個子集合，常 見的方法有K-MEANS、DBSCAN、EM-Clustering、OPTICS、Agglomerati…
6
隨著全球氣候變暖與日益嚴峻的環境問題，溫室氣體的排放問題愈來愈受到關注，特別是CO2氣體的排放，對於人類活動而言，交通運輸業已成為溫室氣體排放最主要和增長最快的領域之一。其中，車輛路徑問題(VRP)…
7
本論文提出一種以資料點灰階權重之密度分群演算法:GWDBSCAN (Grey Weighting Density-Based Clustering Algorithm of Applications…
8
DBSCAN是一個好的以密度為基礎的分群演算法，他可以在任意形狀中辨識出群聚且處理有雜訊的資料集。然而，隨著資料量不斷的增加，DBSCAN演算法在單機執行，有著延展性的問題。在這篇論文，我們推薦一個…