检索结果-内蒙古大学图书馆

郑州大学学报（工学版） 2010年第1期31卷 89-92页

作者：张忠林曹志宇李元韬兰州交通大学电子与信息工程学院甘肃兰州730070

传统的k_means算法将欧式距离作为最常用的距离度量方法.针对基于欧式距离计算样本点与类间相似度的不足,用"相对距离"代替"绝对距离"可以更好地反映样本的实际分布,提出一种在领域知识未知的情况下基于加权欧式距... 详细信息

传统的k_means算法将欧式距离作为最常用的距离度量方法.针对基于欧式距离计算样本点与类间相似度的不足,用"相对距离"代替"绝对距离"可以更好地反映样本的实际分布,提出一种在领域知识未知的情况下基于加权欧式距离的k_means算法.针对公共数据库UCI里的数据实验表明改进后的算法能产生质量较高的聚类结果.

关键词： k_means算法聚类加权变异系数

来源：评论

学校读者我要写书评

暂无评论

Web数据挖掘中PageRank和k_means算法的改进研究

Web数据挖掘中PageRank和k_means算法的改进研究

引用

作者：黄灵兰州交通大学

学位级别：硕士

自20世纪90年代以来，互联网和万维网得到了迅猛发展，其功能和业务也在不断扩展和增加，这使得它们成为21世纪用户获取资源、数据和信息的主要场所，这也使得Web数据挖掘的任务迫在眉睫。当前，k_means算法是最经典和使用最广泛的划分... 详细信息

自20世纪90年代以来，互联网和万维网得到了迅猛发展，其功能和业务也在不断扩展和增加，这使得它们成为21世纪用户获取资源、数据和信息的主要场所，这也使得Web数据挖掘的任务迫在眉睫。当前，k_means算法是最经典和使用最广泛的划分聚类算法，而PageRank算法是Web结构挖掘中使用最广泛的算法。基于此，研究了这两种算法的原理，并提出了两种算法的改进方法。　　传统k_means算法选择初始聚类中心的方法是随机数法，这种方法易产生聚类结果陷入局部最优解和聚类精度低的问题，而且聚类结果受孤立点的影响很大。为了解决这一问题，提出了一种基于密度标准差的k_means改进算法。首先计算数据集样本的平均值和标准差，接着计算每个数据点的密度分布函数值，然后计算样本的平均密度和密度标准差，若某一数据点的密度分布函数值小于样本的密度标准差，则划分为孤立点;搜索密度分布函数值数组中的最大值，那么最大值对应的样本点即为初始聚类中心，并将以初始聚类中心为原点，以样本平均值为半径的圆内各点的密度函数值赋值为0，如此重复，直到找到k个初始聚类中心。　　传统PageRank算法不考虑用户的喜好，存在主题漂移的现象，为了改进PageRank算法的两个缺点，提出了基于用户喜好和主题链接的改进PageRank算法。该算法首先计算网站的出度和入度的权威值，其次计算用户访问某一网站的概率，紧接着计算此网站的权威值，然后计算此网站内的网页的主题链接向量，接着计算主题链接向量的相似度，最后计算网页的PR值，以PR值的大小排序此网站内的网页，如此循环，直至网页全部排序完毕。　　两种传统算法和改进算法均由Python语言在PyCharm平台编码实现。通过实验对比传统算法和改进算法，实验结果表明，改进k_means算法消除了孤立点的影响，具有更高的准确率和更好的聚类结果。改进PageRank算法能够根据用户喜好来排序网页，大大提升了用户的体验度，减少了用户自己筛选有用网页的时间。用户不同，得到的排序结果也是不同的。由于此改进算法是基于主题链接的相似度计算PR值的，故此算法在一定程度上可以改进主题漂移的现象。从而证明了两种改进算法的可行性。

关键词： Web数据挖掘 k_means算法 PageRank算法

来源：评论

学校读者我要写书评

暂无评论

基于改进的k_means算法的城市高架桥交通流分析

引用

公路交通科技（应用技术版） 2010年第10期6卷 261-264页

作者：曹树志项响琴安徽省交通规划设计研究院安徽合肥230088 合肥学院网络与智能信息处理中心实验室安徽合肥230601

将数据挖掘技术应用到合肥市金寨路高架桥的交通流分析中。分析研究了聚类中已有的k_means算法的不足,对算法中聚类中心初始化问题进行了改进,通过对聚类结果的分析研究,得到该高架桥的一些交通特性。这些信息可以使高架桥的管理更安全... 详细信息

将数据挖掘技术应用到合肥市金寨路高架桥的交通流分析中。分析研究了聚类中已有的k_means算法的不足,对算法中聚类中心初始化问题进行了改进,通过对聚类结果的分析研究,得到该高架桥的一些交通特性。这些信息可以使高架桥的管理更安全有效,也可以方便驾车人员的出行,对城市道路规划也有参考意义。

关键词：城市高架交通流聚类分析 k_means算法

来源：评论

学校读者我要写书评

暂无评论

快速查找初始聚类中心的k_means算法

引用

兰州交通大学学报 2009年第6期28卷 15-18页

作者：曹志宇张忠林李元韬兰州交通大学电子与信息工程学院甘肃兰州730070

传统的k_means算法对初始聚类中心十分敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优.为消除这种敏感性,针对k_means算法,提出了一种新的基于数据样本分布选取初始聚类中心的方法,对公共数据库UCI里面的数据实验表明改进后的k_... 详细信息

传统的k_means算法对初始聚类中心十分敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优.为消除这种敏感性,针对k_means算法,提出了一种新的基于数据样本分布选取初始聚类中心的方法,对公共数据库UCI里面的数据实验表明改进后的k_means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性.

关键词：聚类数据样本欧式距离 k_means算法聚类中心

来源：评论

学校读者我要写书评

暂无评论

用户兴趣实例模型与k_means算法的改进

引用

重庆师范大学学报（自然科学版） 2006年第2期23卷 38-41页

作者：何兴无重庆电子职业技术学院计算机二系重庆400021

Web检索越来越重要,但检索的效率和准确性始终成为当前面临的主要问题。本文提出了一种用户兴趣模型,以用户感兴趣的实例文档作为用户兴趣的表示方法。接着提出一种以实例文档为聚类中心的k-means聚类算法。实验证明具有较好的准确性和... 详细信息

Web检索越来越重要,但检索的效率和准确性始终成为当前面临的主要问题。本文提出了一种用户兴趣模型,以用户感兴趣的实例文档作为用户兴趣的表示方法。接着提出一种以实例文档为聚类中心的k-means聚类算法。实验证明具有较好的准确性和较高的效率。

关键词：用户模型 k_means算法实例文档个性化服务

来源：评论

学校读者我要写书评

暂无评论

基于改进的k_means算法的城市高架桥交通流分析

基于改进的K_Means算法的城市高架桥交通流分析

引用

中国公路学会公路环境与可持续发展分会2010年学术年会

作者：曹树志项响琴安徽省交通规划设计研究院安徽合肥 230088 合肥学院网络与智能信息处理中心实验室安徽合肥 230601

将数据挖掘技术应用到合肥市金寨路高架桥的交通流分析中。分析研究了聚类中已有的k_means算法的不足，对算法中聚类中心初始化问题进行了改进,通过对聚类结果的分析研究，得到该高架桥的一些交通特性。这些信息可以使高架桥的管理... 详细信息

将数据挖掘技术应用到合肥市金寨路高架桥的交通流分析中。分析研究了聚类中已有的k_means算法的不足，对算法中聚类中心初始化问题进行了改进,通过对聚类结果的分析研究，得到该高架桥的一些交通特性。这些信息可以使高架桥的管理更安全有效，也可以方便驾车人员的出行，对城市道路规划也有参考意义。

关键词：城市高架桥交通流聚类分析 k_means算法

来源：评论

学校读者我要写书评

暂无评论

一种改进的k_means聚类算法研究

一种改进的k_means聚类算法研究

引用

作者：刘振广哈尔滨工程大学

学位级别：硕士

随着网络的快速发展和信息化技术的不断进步，各种数据以惊人的速度膨胀，如何从这些数据中找到有用信息，并对这些数据和信息进行分类，变得日益迫切。数据挖掘技术的出现，使得大量数据处理成为可能。聚类是一项重要数据挖掘技术，已... 详细信息

随着网络的快速发展和信息化技术的不断进步，各种数据以惊人的速度膨胀，如何从这些数据中找到有用信息，并对这些数据和信息进行分类，变得日益迫切。数据挖掘技术的出现，使得大量数据处理成为可能。聚类是一项重要数据挖掘技术，已成为研究热点之一。\n 本文主要针对k_means算法对孤立点敏感和对初始点选择敏感的局限性，对k_means算法的聚类过程提出两点改进。首先，对k_means算法中孤立点检测问题进行深入研究，提出了基于网格的数据预处理算法。该方法对数据集网格划分之后，进行孤立点的检测。其次，分析k_means算法的初始点选择，提出了基于平均点的初始点选择算法。该方法是在基于网格的数据预处理算法基础之上，直接在网格中进行初始点的选择，使初始点更加合理和接近实际的聚类中心。最后，在k_means算法的聚类过程中，应用两个算法进行孤立点处理和初始点选择，给出了改进的k_means算法。\n 本文通过实验对改进的k_means进行验证和分析，实验结果表明改进的k_means算法在一定程度上提高了聚类的准确率。

关键词：聚类 k_means算法网格平均点

来源：评论

学校读者我要写书评

暂无评论

基于布谷鸟算法优化k_means聚类的缺失数据填充算法

引用

自动化与信息工程 2020年第6期41卷 13-17,27页

作者：林枫蔡延光蔡颢张丽广东工业大学自动化学院广东广州510006 奥尔堡大学健康科学与工程系丹麦奥尔堡9920

针对k_means聚类算法对初始参数较敏感且相对容易出现局部最优解的问题,提出基于布谷鸟算法优化的k_means聚类算法,并将优化后的k_means聚类算法与条件均值填充算法相结合,递归地填充缺失数据。实验结果表明:与传统算法相比,基于布谷鸟... 详细信息

针对k_means聚类算法对初始参数较敏感且相对容易出现局部最优解的问题,提出基于布谷鸟算法优化的k_means聚类算法,并将优化后的k_means聚类算法与条件均值填充算法相结合,递归地填充缺失数据。实验结果表明:与传统算法相比,基于布谷鸟算法优化k_means聚类的缺失数据填充算法具有更好的效果。

关键词：缺失数据填充布谷鸟算法 k_means算法

来源：评论

学校读者我要写书评

暂无评论

基于密度标准差优化初始聚类中心的k＿means改进算法

引用

电脑知识与技术 2019年第2X期15卷 147-151页

作者：黄灵王云锋陈光武兰州交通大学光电技术与智能控制教育部重点实验室甘肃兰州730070 兰州交通大学材料科学与工程学院甘肃兰州730070 兰州交通大学自动控制研究所甘肃兰州730070

传统k_means算法采用随机法选择初始聚类中心,易造成聚类结果陷入局部最优解和聚类精度低的问题,而且易受孤立点的影响。为了解决这一问题,提出了一种基于密度标准差优化初始聚类中心的改进算法。该算法先计算数据集样本的平均值和标准... 详细信息

传统k_means算法采用随机法选择初始聚类中心,易造成聚类结果陷入局部最优解和聚类精度低的问题,而且易受孤立点的影响。为了解决这一问题,提出了一种基于密度标准差优化初始聚类中心的改进算法。该算法先计算数据集样本的平均值和标准差,接着计算每个数据点的密度分布函数值,然后计算样本的平均密度和密度标准差,若小于密度标准差,则划分为孤立点;搜索密度分布函数值数组中的最大值,那么最大值对应的样本点即为初始聚类中心,并将以初始聚类中心为原点,以样本平均值为半径的圆内各点的密度函数值赋值为0,如此重复,直到找到k个初始聚类中心。该算法基于Python语言在PyCharm软件平台实现。实验结果表明,这种基于密度标准差优化初始聚类中心的算法消除了孤立点的影响,具有更高的准确率和更好的聚类结果。

关键词： k_means算法密度标准差初始聚类中心 Python

来源：评论

学校读者我要写书评

暂无评论

入侵检测技术中k-means聚类算法综述

引用

科学技术创新 2018年第36期 65-66页

作者：杨文君浙江越秀外国语学院浙江绍兴312000

聚类是入侵检测中重要技术之一,本文对入侵检测技术中k-means聚类算法进行了分类分析,分析了各种改进的k-means聚类算法的优点及其在入侵检测技术中的应用。

关键词：入侵检测 k_means算法密度距离

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：