期刊文献+

基于SSE的全局最优K-means算法 被引量:4

下载PDF
导出
摘要 传统的K-means聚类算法对初值敏感,随机的初始聚类中心会造成簇的不稳定。本文采取全局搜索的方法避免了局部最优解,实验证明,采用SSE作为分类的标准,可以提高簇的稳定性。
作者 董炎焱
出处 《电子技术与软件工程》 2018年第11期196-197,共2页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
基金 课题名称:基于职教云平台的混合式学习实践研究 课题类型:规划课题 课题编号:GH-17154
  • 相关文献

参考文献4

二级参考文献31

  • 1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
  • 2王红睿,赵黎明,裴剑.均衡化的改进K均值聚类法[J].吉林大学学报(信息科学版),2006,24(2):172-176. 被引量:13
  • 3Jain A K, Dubes R C. Algorithms for clustering data [ M]. Englewood Cliffs: Prentice-Hall, 1988 : 1-334. 被引量:1
  • 4Huang Z. Extensions to the K-means algorithm for clustering large data sets with categorical values [J]. Data Ming and Knowledge Discovery, 1998, 2 (3): 283-304. 被引量:1
  • 5Maulik U, Bandyopadhyay S. Genetic algorithm based clustering technique[J]. Pattern Recognition, 2000, 33 (9): 1 455-1 465. 被引量:1
  • 6Selim S Z, Al-Sultan K S. A simulated annealing algorithm for the clustering[J]. Pattern Recognition, 1991, 24 (10):1 003-1 008. 被引量:1
  • 7Likas A, Vlassis M, Verbeek J. The global K-means clustering algorithm[J]. Pattern Recognition, 2003, 36 (2) : 451-461. 被引量:1
  • 8Park H S, Jun C H. A simple and fast algorithm for K- medoids clustering [ J ]. Expert Systems with Applications, 2009, 36 (2): 3 336-3 341. 被引量:1
  • 9Frey B J,Dueek D.Clustering by passing messages between data points[J].Science,2007,315:972-976. 被引量:1
  • 10Frey B J,Dueck D.Response to comment on"clustering by passing messages between data points"[J].Science,2008,319. 被引量:1

共引文献147

同被引文献43

引证文献4

二级引证文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部