检索结果-内蒙古大学图书馆

计算机工程与应用 2011年第11期47卷 123-127页

作者：张雪凤张桂珍刘鹏上海财经大学信息管理与工程学院上海200433 上海财经大学继续教育学院上海200080

K-means算法所使用的聚类准则函数是将数据集中各个簇的误差平方值直接相加而得到的,不能有效处理簇的密度不均且大小差异较大的数据集。为此,将K-means算法的聚类准则函数定义为加权的簇内标准差之和,权重为簇内数据对象数占总数目的... 详细信息

K-means算法所使用的聚类准则函数是将数据集中各个簇的误差平方值直接相加而得到的,不能有效处理簇的密度不均且大小差异较大的数据集。为此,将K-means算法的聚类准则函数定义为加权的簇内标准差之和,权重为簇内数据对象数占总数目的比例。同时,调整了传统K-means算法将数据对象重新分配给簇的方法,采用一个数据对象到中心点的加权距离代替传统K-means算法中的距离,将数据对象分配给使加权距离最小的中心点所在的簇。实验结果表明,针对模拟数据集的聚类,改进K-means算法可以明显减少大而稀的簇中数据对象被错误地分配到相邻的小而密簇的可能性,改善了聚类的质量;针对UCI数据集的聚类,改进算法使得各个簇更为紧凑,从而验证了改进K-means算法的有效性。

关键词： K-means算法簇聚类准则函数

来源：评论

学校读者我要写书评

暂无评论

基于模拟退火的空间聚类算法

引用

测绘科学技术学报 2010年第4期27卷 306-309页

作者：张小朋钱海忠岳辉丽潘红芳张蕊 61081部队信息工程大学测绘学院

根据模拟退火具有寻求全局最优解的特性,在分析模拟退火基本理论的基础上,利用模拟退火基本思想对传统的空间聚类方法——K-means算法进行优化。然后分别对优化后的算法和传统算法进行实验分析。实验结果表明:优化后的方法以概率接受劣... 详细信息

根据模拟退火具有寻求全局最优解的特性,在分析模拟退火基本理论的基础上,利用模拟退火基本思想对传统的空间聚类方法——K-means算法进行优化。然后分别对优化后的算法和传统算法进行实验分析。实验结果表明:优化后的方法以概率接受劣解的方式跳出局部极小值,从而为寻求全局的最优解提供了可能。另外,在优化过程中提出并应用了点密度的思想,使得聚类结果不受初始值影响,其执行效率也有所提高。

关键词：模拟退火空间聚类 K-means算法聚类准则函数点密度

来源：评论

学校读者我要写书评

暂无评论

基于加权处罚的K-均值优化算法

引用

长春理工大学学报（自然科学版） 2015年第4期38卷 132-137页

作者：梁鲜曲福恒杨勇才华长春理工大学计算机科学技术学院长春130022 长春理工大学电子信息工程学院长春130022

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造... 详细信息

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。

关键词：聚类 K-均值算法初始聚类中心聚类准则函数

来源：评论

学校读者我要写书评

暂无评论

融合聚类过采样算法的信贷不平衡数据分类

引用

软件导刊 2021年第11期20卷 70-74页

作者：樊东醒叶春明上海理工大学管理学院上海200093

不平衡数据往往会导致信用机构对“坏客户”的识别率较低。针对传统聚类过采样算法的边界样本损失问题,提出一种融合改进的K中心点算法的过采样方法——KmediodSMOTE,通过引入聚类准则函数和边界阈值以减少边界样本损失,并提出一种适用... 详细信息

不平衡数据往往会导致信用机构对“坏客户”的识别率较低。针对传统聚类过采样算法的边界样本损失问题,提出一种融合改进的K中心点算法的过采样方法——KmediodSMOTE,通过引入聚类准则函数和边界阈值以减少边界样本损失,并提出一种适用于非平衡数据的K值选取方法——UET-SSE。首先,根据Pearson相关系数和少数类K近邻确定边界阈值,然后划分适合聚类采样的区域,并使用UET-SSE方法选取K值进行聚类,最后引入“中心度”的概念进行加权过采样。实验结果表明,该方法与经典过采样算法SMOTE、BorderlineSMOTE、KmeansSMOTE相比,在RF分类器下的G-means全为最高,F1-measure在4组数据中有3组最高,有效提高了不平衡数据的分类准确率。

关键词：边界样本损失 KMediodSMOTE 聚类准则函数边界阈值 UET-SSE 加权过采样

来源：评论

学校读者我要写书评

暂无评论

一种基于局部密度的k-means算法

引用

云南民族大学学报（自然科学版） 2014年第6期23卷 439-442,459页

作者：黎凡王新和晓萍马晓敏黎吾鑫云南民族大学数学与计算机科学学院云南昆明650500

针对k-means算法必须事先指定初始聚类数k,并且对初始聚类中心点比较敏感,聚类准则函数对求解的最优聚类数评价不理想,提出一种基于局部密度的启发式生成初始聚类中心方法,在此基础上设计一种准则函数自动生成聚类数目,改进了传统k-mean... 详细信息

针对k-means算法必须事先指定初始聚类数k,并且对初始聚类中心点比较敏感,聚类准则函数对求解的最优聚类数评价不理想,提出一种基于局部密度的启发式生成初始聚类中心方法,在此基础上设计一种准则函数自动生成聚类数目,改进了传统k-means算法.实验表明改进的算法比传统k-means算法提高了聚类效率.

关键词： k-means算法局部密度初始中心点聚类准则函数

来源：评论

学校读者我要写书评

暂无评论

Web日志模糊聚类算法的研究

引用

哈尔滨师范大学自然科学学报 2003年第5期19卷 63-66页

作者：吴妮娅张健沛哈尔滨工程大学

本文提出了一种新的Web事务模糊聚类算法 .给出了新的Web事务定义和相异度定义 ,聚类准则函数是所有样本与C个代表中心的相异度之和 ,我们的目标是使这个聚类准则函数最小 .同时给出了改进算法 .经过试验证明 ,改进的算法更有效 .

关键词： web站点模糊聚类算法 Web日志挖掘聚类准则函数数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于动态聚类的地面移动目标的低空跟踪

引用

电子机械工程 2012年第1期28卷 51-54,58页

作者：丁卫王加喜沈高炜龚振邦上海大学机电工程与自动化学院上海200072

文中提出了一种基于动态聚类的地面移动目标低空跟踪方法。该方法根据目标跟踪的实际情况选择分类特征,确定聚类准则函数,采用动态聚类方法,依次对像平面上的象素进行子窗口聚类,然后对子窗口内的象素进行运动区域聚类,最后对运动区域... 详细信息

文中提出了一种基于动态聚类的地面移动目标低空跟踪方法。该方法根据目标跟踪的实际情况选择分类特征,确定聚类准则函数,采用动态聚类方法,依次对像平面上的象素进行子窗口聚类,然后对子窗口内的象素进行运动区域聚类,最后对运动区域的象素进行目标聚类,从而比较精确地获得被跟踪目标的重心位置,并将其作为下一帧的聚类中心。由此,目标跟踪的过程变成一个动态聚类的过程。该方法是一个非监督学习方法,简单实用,仿真实验也证明了该方法的有效性。

关键词：动态聚类聚类准则函数目标跟踪非监督学习方法

来源：评论

学校读者我要写书评

暂无评论

一种改进的K-means算法

一种改进的K-means算法

引用

第十四届国家安全(军事)地球物理学术研讨会

作者：鞠荟荟刘志刚汪洋火箭军工程大学陕西西安710025

K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类.为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时,... 详细信息

K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类.为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时,采用数据对象到聚类中心的加权距离代替传统K-means算法中的距离;最后使用加权众数距离之和作为聚类准则函数来评价聚类质量.实验结果表明,提出的算法能够提高K-means算法划分大小不一、密度不均的数据集的准确率.

关键词： K-均值聚类算法加权距离聚类准则函数质量评价

来源：评论

学校读者我要写书评

暂无评论

一种改进的K-means算法

一种改进的K-means算法

引用

作者：鞠荟荟刘志刚汪洋火箭军工程大学

K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类。为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时... 详细信息

K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类。为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时,采用数据对象到聚类中心的加权距离代替传统K-means算法中的距离;最后使用加权众数距离之和作为聚类准则函数来评价聚类质量。实验结果表明,提出的算法能够提高K-means算法划分大小不一、密度不均的数据集的准确率。

关键词： K-means 初始聚类中心加权距离聚类准则函数

来源：评论

学校读者我要写书评

暂无评论

基于动态聚类的地面移动目标的低空跟踪

基于动态聚类的地面移动目标的低空跟踪

引用

2011年机械电子学学术会议

作者：丁卫龚振邦上海大学机电工程与自动化学院

提出一种基于动态聚类的地面移动目标低空跟踪的方法。该方法根据目标跟踪的实际情况选择分类特征,确定聚类准则函数,采用动态聚类方法,依次对像平面上的象素进行子窗口聚类,然后对子窗口内的象素进行运动区域聚类,最后对运动区域的象... 详细信息

提出一种基于动态聚类的地面移动目标低空跟踪的方法。该方法根据目标跟踪的实际情况选择分类特征,确定聚类准则函数,采用动态聚类方法,依次对像平面上的象素进行子窗口聚类,然后对子窗口内的象素进行运动区域聚类,最后对运动区域的象素进行目标聚类,从而比较精确地获得被跟踪目标的重心位置,并将其作为下一帧的聚类中心。由此,目标跟踪的过程变成一个动态聚类的过程。该方法是一个非监督学习方法,简单实用,通过仿真实验证明了该方法的有效性。

关键词：动态聚类聚类准则函数目标跟踪非监督学习方法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：