期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于划分的数据挖掘K-means聚类算法分析 被引量：19
1
作者 曾俊 《现代电子技术》 北大核心 2020年第3期14-17,共4页
为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成... 为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成正比,通过密度参数优化k个样本数据的聚类中心点选取;依据欧几里得距离公式对未选取的其他数据到各个聚类中心之间的距离进行计算,同时以此距离为判别标准,对各个数据进行种类划分,从而得到初始的聚类分布;初始聚类分布得到之后,对每一个分布簇进行再一次的中心点计算,并判断与之前所取中心点是否相同,直到其聚类收敛达到最优效果。最后通过葡萄酒数据集对改进算法进行验证分析,改进算法比传统K⁃means算法的聚类效果更优,能够更好地在数据挖掘当中进行聚类。 展开更多
关键词 数据挖掘 聚类分析 K⁃means聚类算法 聚类中心选取 K⁃means算法改进 初始中心点
下载PDF
K-means聚类算法研究综述 被引量：304
2
作者 王千 王成 +1 位作者 冯振元 叶金凤 《电子设计工程》 2012年第7期21-24,共4页
总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-m... 总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。 展开更多
关键词 K-MEANS聚类算法 NP难优化问题 数据子集的数目K 初始聚类中心选取 相似性度量和距离矩阵
下载PDF
基于数据密集性的自适应K均值初始化方法 被引量：19
3
作者 韩最蛟 《计算机应用与软件》 CSCD 北大核心 2014年第2期182-187,共6页
K均值聚类算法在数据挖掘、机器学习领域被广泛应用。但其初始聚类中心的选取对整个聚类效果会产生很大的影响,因此,如何合理地初始化K均值聚类算法成为重要的研究方向。提出一种基于数据内在密集性的自适应初始聚类中心选取方法。该方... K均值聚类算法在数据挖掘、机器学习领域被广泛应用。但其初始聚类中心的选取对整个聚类效果会产生很大的影响,因此,如何合理地初始化K均值聚类算法成为重要的研究方向。提出一种基于数据内在密集性的自适应初始聚类中心选取方法。该方法分为两个过程,第一个过程给出数据密集性的定义,并基于数据密集性选出满足条件的候选初始聚类中心,第二个过程是对选出的候选初始中心进行后处理,使其个数与数据类一致。实验证明,提出的方法有如下优势:1)能够自主发现数据集中数据分布的密集性,并能够合理找出初始聚类中心;2)对离群点和噪声鲁棒;3)减少了K均值聚类算法的迭代步骤;4)易于实现。 展开更多
关键词 聚类 K均值 初始化 初始聚类中心选取
下载PDF
基于初始聚类中心选取的改进K-means算法 被引量：10
4
作者 陶永辉 王勇 《国外电子测量技术》 北大核心 2022年第9期54-59,共6页
基于传统的K-均值(K-means)聚类算法,提出了一种通过优化初始聚类中心选取的改进K-均值聚类算法。改进之后的方法,首先计算所有数据中任意两点间的欧氏距离,通过比较距离大小,选取最小时的其中一点作为第1个初始聚类中心,在剩余的数据中... 基于传统的K-均值(K-means)聚类算法,提出了一种通过优化初始聚类中心选取的改进K-均值聚类算法。改进之后的方法,首先计算所有数据中任意两点间的欧氏距离,通过比较距离大小,选取最小时的其中一点作为第1个初始聚类中心,在剩余的数据中,选择尽可能远离该点的数据点作为第2个初始聚类中心,依此类推,直至找到需要的k个点,然后再根据K-均值聚类算法迭代更新聚类中心,当达到最大迭代次数时停止。使用误差平方和(SSE)作为算法的评估标准,通过实验可知,提出的方法与传统的K-means聚类算法相比稳定性和准确率等方面有所提高。 展开更多
关键词 K-MEANS算法 初始聚类中心选取 最小距离 SSE
下载PDF
基于K-means聚类算法的在线学习行为分析 被引量：2
5
作者 刘训星 《湖南科技学院学报》 2017年第6期7-9,共3页
K-means算法是基于距离作用相似性度量的聚类算法,论文介绍K-means聚类算法的3个基本参数。通过对学员学习行为记录数据,运用K-means聚类分析算法,可以构建出电大学员行为特征,有效的改善在线资源的配置。
关键词 用户行为 K-MEANS聚类算法 初始聚类中心选取 行为特征
下载PDF
基于密度分布的K-Means初始聚类中心选择算法 被引量：2
6
作者 李梅莲 《许昌学院学报》 CAS 2017年第2期20-24,共5页
针对K-Means算法聚类效果的好坏依赖初始聚类中心的选择问题,本文提出一种基于密度分布的简洁K-Means初始聚类中心选择算法.算法利用样本数据相似的稠密程度,较为精准的来寻找初始聚类中心,可有效的克服初始聚类中心选择的盲目性,减少... 针对K-Means算法聚类效果的好坏依赖初始聚类中心的选择问题,本文提出一种基于密度分布的简洁K-Means初始聚类中心选择算法.算法利用样本数据相似的稠密程度,较为精准的来寻找初始聚类中心,可有效的克服初始聚类中心选择的盲目性,减少迭代次数及聚类结果的不稳定现象.实验表明,该算法具有良好的聚类效果,稳定性好. 展开更多
关键词 聚类分析 K-MEANS 初始聚类中心选取 距离矩阵 密度分布
下载PDF
基于改进K-means算法的WiFi室内定位方法研究
7
作者 耿宏 何卫东 冯晓 《测绘》 2020年第1期15-19,共5页
针对传统K-means聚类算法存在初始聚类中心和聚类数目随机性问题,使得分类不准确,结果为局部最优解,本文提出通过利用数据特性构建参数筛选初始聚类中心,选择改进后的聚类评价函数,使得聚类结果全局最优.实验表明,改进后的K-means算法... 针对传统K-means聚类算法存在初始聚类中心和聚类数目随机性问题,使得分类不准确,结果为局部最优解,本文提出通过利用数据特性构建参数筛选初始聚类中心,选择改进后的聚类评价函数,使得聚类结果全局最优.实验表明,改进后的K-means算法应用于WiFi指纹定位方法可以有效改善定位精度和定位效率. 展开更多
关键词 室内定位 K-MEANS聚类 初始聚类中心选取参数 聚类中心
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部