咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种改进的K-Means算法 收藏

一种改进的K-Means算法

An Improved K-Means Algorithm

作     者:韩存鸽 刘长勇 HAN Cunge;LIU Changyong

作者机构:武夷学院数学与计算机学院福建武夷山354300 认知计算与智能信息处理福建省高校重点实验室福建武夷山354300 

出 版 物:《闽江学院学报》 (Journal of Minjiang University)

年 卷 期:2019年第40卷第5期

页      面:49-54,90页

学科分类:08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:福建省科技厅自然科学基金项目(2017J01651) 

主  题:K-Means 聚类分析 最大最小距离 BWP UCI 

摘      要:K-Means算法是一种经典的无监督聚类分析算法,具有运行速度快易于实现等优点,但使用该算法时需要指定聚类数目,且质心的选择具有不确定性。针对上述不足,提出一种基于最大最小距离和BWP指标相结合的K-Means算法。通过对UCI数据库中的4个数据集仿真实验的结果表明,所提出的改进算法在算法的准确率、聚类效果两方面均优于传统的K-Means算法以及基于最大最小距离的K-Means算法。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分