K-means算法及其改进研究现状被引量：5

下载PDF

导出

摘要 K-means算法因其简单、易理解、速度快等优点在众多领域得到广泛的应用,然而该算法的K值选取,初始聚类点的选取和对于孤立点的处理等都会影响最终聚类结果。根据k-means算法目前的应用研究现状,针对这些缺点对算法进行改进,最后指出了改进中存在的一些问题,并指出未来的研究方向。

作者常彤

机构地区山西财经大学信息管理学院

出处《通讯世界》 2017年第19期289-290,共2页 Telecom World

关键词聚类K-means算法初始聚类中心

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献8

1张阳,何丽,朱颢东.一种改进的K-means动态聚类算法[J].重庆师范大学学报（自然科学版）,2016,33(1):97-101. 被引量：14
2杨善林,李永森,胡笑旋,潘若愚.K-MEANS算法中的K值优化问题研究[J].系统工程理论与实践,2006,26(2):97-101. 被引量：189
3耿筱媛,张燕平,闫屹.改进的K-means算法在电信客户细分中的应用[J].计算机技术与发展,2008,18(5):163-167. 被引量：6
4张建民.一种改进的K-means聚类算法[J].微计算机信息,2010,26(9):233-234. 被引量：17
5张靖,段富.优化初始聚类中心的改进k-means算法[J].计算机工程与设计,2013,34(5):1691-1694. 被引量：56
6周爱武,崔丹丹,肖云.一种改进的K-means聚类算法[J].微型机与应用,2011,30(21):17-19. 被引量：5
7韩龙.对数据挖掘中K-means聚类算法的改进研究[J].无线互联科技,2013,10(2):157-157. 被引量：1
8刘芝怡,陈功.基于改进K-means算法的RFAT客户细分研究[J].南京理工大学学报,2014,38(4):531-536. 被引量：17

二级参考文献49

1高继森,赵杰,张忠辅,张晶.增强型K-means聚类算法在入侵检测中的应用[J].微计算机信息,2008,24(9):72-73. 被引量：5
2杨青,孙佰聪,朱美臣,杨青川,刘念.基于小波包熵和聚类分析的滚动轴承故障诊断方法[J].南京理工大学学报,2013,37(4):517-523. 被引量：13
3袁方,孟增辉,于戈.对k-means聚类算法的改进[J].计算机工程与应用,2004,40(36):177-178. 被引量：47
4易珺,路璐,曹东.改进的k-means算法在客户细分中的应用研究[J].微型机与应用,2005,24(12):52-53. 被引量：4
5杨善林,李永森,胡笑旋,潘若愚.K-MEANS算法中的K值优化问题研究[J].系统工程理论与实践,2006,26(2):97-101. 被引量：189
6蒋盛益,李庆华.一种增强的k-means聚类算法[J].计算机工程与科学,2006,28(11):56-59. 被引量：15
7陈光宇,胡丽英,苏勇.聚类分析在电信行业客户关系管理中的应用[J].微计算机信息,2006(11X):210-211. 被引量：5
8张维明.数据仓库原理与应用[M].北京:电子工业出版社,2001:20-120. 被引量：1
9Han Jiawei, KAMBER M. Data mining concepts and techniques, second edition[M]. Elsevier(Singapore)Pte Ltd, 2006 : 251-263. 被引量：1
10Shi Na, Liu Xumin, Guan Yong. Research on k-means clustering algorithm [C]. Third International Symposium on Intelligent Information Technology and Security Informatics, 2010:63-67. 被引量：1

共引文献294

1杨惠烽,张琦,徐莉.改进的K-Means和Grabcut相结合的壁画分割方法[J].忻州师范学院学报,2023,39(5):26-33.
2段桂芹.基于改进密度的簇内均值最小距离聚类算法[J].智能计算机与应用,2021,11(12):82-86. 被引量：1
3刘文一,孙伟,朱良明,赵志博.舰载飞行器打击水面舰艇编队队形识别和目标选择方法[J].兵器装备工程学报,2020,41(2):85-89. 被引量：11
4刘婷,郭海湘,诸克军,高思维.一种改进的遗传k-means聚类算法[J].数学的实践与认识,2007,37(8):104-111. 被引量：22
5楼佳,王小华.一种分裂式的k-means聚类算法[J].杭州电子科技大学学报（自然科学版）,2009,29(4):54-57. 被引量：1
6张红荣,张峰.传统的K-means聚类算法的研究与改进[J].咸阳师范学院学报,2010,25(4):59-62. 被引量：4
7韩丽苹,孟海东,李海荣.聚类算法在矿产资源与经济发展关系研究中的应用[J].煤炭技术,2015,34(5):290-292.
8李桃迎,陈燕.一种改进FCM的快速优化算法及其应用[J].大连海事大学学报,2006,32(4):23-27. 被引量：4
9郭海湘,诸克军,李玥,王得运.软计算与硬计算融合的中国石油需求预测[J].中国地质大学学报（社会科学版）,2007,7(6):24-28. 被引量：2
10孙薇,张省.基于半监督支持向量机的供电企业安全性评价[J].电气应用,2008,27(1):57-60. 被引量：1

同被引文献31

1曾志雄.一种有效的基于划分和层次的混合聚类算法[J].计算机应用,2007,27(7):1692-1694. 被引量：15
2孙士保,秦克云.改进的k-平均聚类算法研究[J].计算机工程,2007,33(13):200-201. 被引量：50
3邵战涛,朱岳明,强晟,朱鸣笛,马捷.高寒地区混凝土重力坝温控防裂研究[J].三峡大学学报（自然科学版）,2008,30(1):6-8. 被引量：9
4凌骐,黄淑萍.严寒地区混凝土坝表面保护材料的敏感性研究[J].水电能源科学,2009,27(4):117-119. 被引量：4
5周涛.具有自适应参数的粗糙k-means聚类算法[J].计算机工程与应用,2010,46(26):7-10. 被引量：8
6王羡慧,覃征,张选平,高洪江.采用仿射传播的聚类集成算法[J].西安交通大学学报,2011,45(8):1-6. 被引量：10
7邓海,覃华,孙欣.一种优化初始中心的K-means聚类算法[J].计算机技术与发展,2013,23(11):42-45. 被引量：22
8田腾浩.优化初始聚类中心的K-Means算法[J].网络安全技术与应用,2014(9):42-43. 被引量：3
9金建国.聚类方法综述[J].计算机科学,2014,41(B11):288-293. 被引量：78
10江京亚,郭庆胜,陈旺,周贺杰,陈勇.一种K-均值聚类的改进算法及其应用[J].测绘工程,2015,24(5):42-46. 被引量：3

引证文献5

1杨红,李丹宁,王雅洁.基于离群点检测(LOF)的K-means算法[J].通信技术,2019,52(8):1884-1888. 被引量：7
2任恒妮.大数据K-means聚类算法的研究与应用[J].信息技术,2019,43(11):20-23. 被引量：11
3何明明,陈波.基于改进K-means算法的坝体保温效果时空聚类分区评价方法[J].水电能源科学,2020,38(6):63-66. 被引量：1
4蒋林岑,樊晓唯,刘向东.对K-means聚类算法初始值的研究[J].电脑知识与技术,2022,18(11):95-97. 被引量：4
5肖明魁.使用K-means构建图像矢量量化模型[J].信息技术与信息化,2023(2):66-69.

二级引证文献22

1许新鑫,徐兵,彭潜.基于时空域联合分析的海缆温度异常监测[J].船舶工程,2023,45(S01):67-70.
2张欢,郝伟,顾伟红.基于数据场聚类的拉林铁路隧道施工风险评估[J].铁道科学与工程学报,2020,17(7):1874-1882. 被引量：10
3张勤.基于k-means算法聚类问题的研究[J].数码设计,2020,9(8):182-182.
4万珊,苟文博.基于改进K-means聚类的数据自动采集系统设计[J].自动化与仪器仪表,2020(10):108-112. 被引量：4
5陈新华.基于K-Means改进的算法在客户聚类中的应用[J].信息通信,2020(9):35-37. 被引量：2
6许沥文,王默玉,申晓留.基于标签体系的高校学生立体画像研究[J].长江信息通信,2021(3):155-158.
7肖健夫,孙瑞,闵婕,黄娟,马洋洋.锂离子动力电池系统故障检测[J].电源技术,2021,45(6):736-739. 被引量：11
8徐军.基于聚类算法的财务大数据智能分析处理技术研究[J].电子设计工程,2021,29(15):102-105. 被引量：4
9赵清.基于“互联网+”平台的学校就业推荐系统设计[J].信息技术,2021,45(10):117-121. 被引量：2
10张欣妍,董四辉,张紫慧,郭相仪.基于LOF改进的K-means算法在交通事故黑点识别中的应用[J].黑龙江交通科技,2022,45(1):134-136. 被引量：1

1李敏.两个5阶图与路及圈的联图的交叉数[J].河南师范大学学报（自然科学版）,2013,41(4):40-44. 被引量：1
2孟凡通.构造6阶不同构非平面图的思考[J].宿州教育学院学报,2003,6(4):127-130.
3吕泽华,张豪,李华.基于捕获流动中心试点的自适应K-means算法[J].统计与决策,2017,33(19):78-81. 被引量：1
4李丽萍.一个五阶图与路、圈的联图的交叉数[J].数学的实践与认识,2014,44(11):203-211. 被引量：2
5郝美薇,戴华林,郝琨.基于密度的K-means算法在轨迹数据聚类中的优化[J].计算机应用,2017,37(10):2946-2951. 被引量：8
6龚祝平.重构相空间中孤立点的局部简单非线性降噪[J].系统工程学报,2017,32(4):433-440. 被引量：1
7张朝明,张亚杰,韦超,余志强,张玉清.蒎烯在高分子材料合成与制备中的应用研究进展[J].化工新型材料,2017,45(9):14-16.
8曲朝阳,宋晨晨,任有学,刘耀伟,牛强,独健鸿.结合用户活跃度的协同过滤推荐算法[J].东北电力大学学报,2017,37(5):74-79. 被引量：6
9苏振华.六阶图Q与星图S_n的积图交叉数[J].数学的实践与认识,2017,47(12):182-188. 被引量：2
10张慧,翟宇梅.优化K-means算法在中国近海气候区划中的应用[J].气象科技,2017,45(4):750-755.

通讯世界

2017年第19期

浏览历史

内容加载中请稍等...

K-means算法及其改进研究现状被引量：5

参考文献8

二级参考文献49

共引文献294

同被引文献31

引证文献5

二级引证文献22

相关作者

相关机构

相关主题

浏览历史

K-means算法及其改进研究现状 被引量：5

参考文献8

二级参考文献49

共引文献294

同被引文献31

引证文献5

二级引证文献22

相关作者

相关机构

相关主题

浏览历史

K-means算法及其改进研究现状被引量：5