基于聚类分析和判别分析方法的股票投资价值研究

基于聚类分析和判别分析方法的股票投资价值研究，吴冲，王栋 ，随着市场投资理念逐步转向价值投资,上市公司基本面的变化将更受关注.中小企业作为新兴的资本市场板块,具有重要的研究意义.现利用38

一种基于能量聚类分析的句子语音端点检测法

:针对语音复读系统等背景噪声相对较小且稳定的实际应用环境，提出一种改进的基于时域分析的句子语音端点 检测算法。因为在此类应用环境中，对句子语音端点检测的干扰因素较少，且一般需要实现快速的句子语音端点检测。 因此，简化了所要使用的语音特征参数，不再使用时域分析中常用的过零率，仅使用语音信号能量特征值辅以聚类分析完 成语音端点检测。实验表明，本算法简化了端点检测的过程，可以便捷有效地检测出句子中的语音端点。

论文研究-基于聚类分析的红外弱小目标检测.pdf

针对深空背景下的红外弱小目标检测，提出了一种基于聚类分析的目标检测方法，该方法将经过背景抑制的连续几帧图像构造组合帧，基于目标的运动特性，对分割后的组合帧进行聚类分析，从而检测到弱小目标并同时获得目标运动轨迹，再对检测结果进行聚类检验，从而去除虚假目标，降低虚警率。实验结果表明该算法对多目标的检测有较高的鲁棒性，且相对于传统的小目标检测算法有更高的检测率和较好的实时性。

R代码-基于聚类分析和多元回归的空气质量的分析.pdf

基于聚类分析和多元回归的空气质量的分析的R代码，包含聚类分析代码，因子分析代码，气泡图，柱形图。文章内容发布在我的博客中，希望对大家有所帮助

2017B题-基于聚类分析的双目标优化定价模型——戴澄洁等(华中科技大学,本科组高教社杯获得者)

2017B题-基于聚类分析的双目标优化定价模型——戴澄洁等(华中科技大学,本科组高教社杯获得者)

论文研究-一种基于聚类分析的无指导异常检测方法的研究 .pdf

一种基于聚类分析的无指导异常检测方法的研究，徐元元，徐慧，本文尝试在未标记的、正常数据中混杂了少量入侵数据的网络审计数据源上，采用改进后的聚类分析技术，尽可能准确的将训练数据集中

基于聚类分析的图像分割和识别

湖南大学硕士论文，提出了一个聚 类分析的框架用于图像的分割识别。框架主要由三部分组成:对象空间、知识表 达系统和划分后的对象空间。三个部分构成两个映射:其一是对象空间到特征空 间的映射，另一个是特征空间到划分后的对象空间的映射。这实际上就是两个过 程:特征提取和聚类分析。聚类分析的过程就是一个划分的过程，而等价关系是 划分的前提，论文通过度量相似性构建等价关系。作为框架的应用，论文给出了 一个车牌分割的例子。

基于聚类分析的K-means算法研究及应用.pdf

基于聚类分析的K-means算法研究及应用.pdf 基于聚类分析的K-means算法研究及应用.pdf

基于聚类分析的山西省区域经济发展研究

基于聚类分析的山西省区域经济发展研究，张超，张翼，本文以山西省十一个地级市的区域经济划分为研究对象，选取能反映区域经济发展水平的若干重要指标，通过对原始数据的采集处理及运

基于遗传算法的聚类分析论文

基于遗传算法的聚类分析的毕业论文 欢迎下载

Android语音实时传输

两部手机进行语音实时传输，局域网对讲，在页面先填写接收端的ip，然后点击接受按钮，开始实时接收，按住说话按钮开始说话；另一部手机填写即可实时接收播放

基于聚类分析方法的矿井水源识别

矿井水源的识别是矿井防治水工作中的重要环节,选择合适的识别方法是快速准确地识别水源的关键。对聚类分析的原理及步骤进行了简要介绍,并将其应用于矿井水源的识别。根据矿井水样的水化学数据,分析矿井水样的水化学特征,确定水源的识别指标,运用系统聚类分析法研究了矿井水源识别方法。最后,结合已有的矿井水样数据,通过MATLAB仿真实验,证明了研究的聚类分析方法识别矿井水源的效果。

基于MATLAB的模糊聚类分析模板

基于MATALAB的数据挖掘聚类分析算法之一：模糊聚类分析算法示例模板，希望对大家有帮助

聚类分析法的应用实例

本文详细介绍了聚类分析方法的应用条件，并给了立体假意说明

昆明房价聚类分析（链家网爬虫+聚类分析房价）（k-means聚类分析）

基于k-means聚类分析房价问题（昆明房价）（源码+实验报告）。其中包含爬虫、聚类分析、数据可视化等源码，以及实验报告。采用python进行编程，对链家网资源进行爬取和分析

基于聚类分析的图像分割算法研究

聚类分析是数据挖掘的重要手段，其应用领域广泛，包括统计学、图像处理、医疗诊断、信息检索、生物学以及机器学习等。聚类算法应用于图像分割时能够获得较好的分割效果而得到广泛的关注和应用。图像分割是图像处理到图像分析理解的中间步骤，也是计算机视觉研究中由低级视觉到高级视觉的桥梁。获取良好的图像分割效果是后续图像分析、理解和识别顺利开展的基础。然而，随着现代电子成像设备的飞速发展，图像的像素规模迅速增长，图像的类型也趋于多样化，图像本身还存在很多固有的特殊性和不可预知的复杂性，图像分割的速度和质量也因实时性要求日益受到人们的关注，待处理的数字图像数据集过大时，图像分割的质量和速度总是相矛盾的，很多聚类分割算法的实现过程往往更加耗时，缺乏精度或不合实际，因此如何有效的应用聚类算法实现实时自动快速高质量的图像分割仍然是极其重要并尚待有效解决的问题。

基于聚类的图像分割方法综述

图像分割是图像识别和机器视觉领域中关键的预处理操作。分割理论算法众多，文中 具体介绍基于聚类的分割算法的思想和原理，并将包含的典型算法的优缺点进行介绍和分析。 经过比较后，归纳了在具体应用中如何对图像分割算法的抉择问题。近年来传统分割算法不断 被科研工作者优化和组合，相信会有更多的分割新算法井喷而出。

基于聚类(Kmeans)算法实现的客户价值分析系统data

基于聚类(Kmeans)算法实现的客户价值分析系统（包含custcall,custinfo,result,tariff,国内某航空公司会员数据）等数据信息

聚类分析与模糊聚类的两本书籍

模糊聚类分析及其应用（李相镐 1994）.pdf 聚类分析（方开泰 1982）.pdf