基于模拟退火的k调和均值聚类算法①-计算机系统应用.pdf

下载文档

2
0
约1.33万字
约 4页
2017-09-04 发布于天津
举报
版权申诉
保障服务

基于模拟退火的k调和均值聚类算法①-计算机系统应用.pdf

1、本文档共4页，其中可免费阅读2页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

计算机系统应用年第卷第期基于模拟退火的调和均值聚类算法刘国丽甄晓敏河北工业大学计算机科学与软件学院天津摘要均值算法是最通用的划分聚类算法然而它有高度依赖初始值和收敛于局部最小的缺点调和均值算法采用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离解决了均值算法对初值敏感的问题这样虽然解决初始值敏感问题局部最小收敛问题仍然存在为了获得全局最优解提出一种新的算法基于模拟退火算法的调和均值聚类该算法将一种优秀的随机搜索算法模拟退火算法引入调和均值聚类来解决局部最小收敛的问题并将改进后

计算机系统应用 2011 年第 20 卷第 7 期基于模拟退火的K 调和均值聚类算法① 刘国丽，甄晓敏 (河北工业大学计算机科学与软件学院，天津 300401) 摘要：K 均值算法是最通用的划分聚类算法，然而它有高度依赖初始值和收敛于局部最小的缺点，K 调和均值算法采用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离，解决了 K 均值算法对初值敏感的问题。这样虽然解决初始值敏感问题，局部最小收敛问题仍然存在。为了获得全局最优解，提出一种新的算法：基于模拟