基于密度的改进K均值算法及实现.pdfVIP

下载本文档

1
0
约2.47万字
约 3页
2017-08-12 发布于重庆
举报
版权申诉

基于密度的改进K均值算法及实现.pdf

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于密度的改进K均值算法及实现.pdf

31 2 Vol． 31 No． 2 第卷第期计算机应用 2011 2 Journal of Computer Applications Feb． 2011 年月文章编号:1001 － 9081 (2011)02 － 0432 － 03 doi :10 ． 3724 / SP． J． 1087 ． 2011． 00432 K 基于密度的改进均值算法及实现，傅德胜周辰 ( ， 210044 ) 南京信息工程大学计算机与软件学院南京 ( 00050 1@ nuist． edu． cn) : K ，。摘要传统的均值算法的初始聚类中心从数据集中随机产生聚类结果很不稳定提出一种基于密度算法 K-means ， k 。优化初始聚类中心的改进算法该算法选择相互距离最远的个处于高密度区域的点作为初始聚类中心， K-means ，。实验证明改进的算法能够消除对初始聚类中心的依赖聚类结果有了较大的改进 : ; ; ; K- 关键词聚类均值算法初始聚类中心高密度区域中图分类号:TP301 文献标志码:A Improved K-means algorithm and its implementation based on density FU De-sheng ， ZHOU Chen ( Comp uter and Sof tware College ， Nanj ing University of Inf ormation Science and Technology ， Nanj ing Jiangsu 210044 ， China) Abstract: The initial clustering center of the traditional K-means algorithm was generated randomly from the data set ， and the clustering result was unstable． An improved K-means algorithm based on density algorithm optimizing initial clustering center was proposed ， which selected the furthest mutual distance k points in high-density region as the initial