- 1、本文档共6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
查看更多
and 147
ComputerEngineeringApplications计算机工程与应用 2008,44(10)
K—means算法的初始聚类中心的优化
赖玉霞,刘建平
LAIYu—xia,LIU
Jian-ping
浙江理工大学信息电子学院,杭州310018
ofElectronic Sci-Tech 310018。China
College Information,ZhejiangUniversity,Hangzhou
E-mail:lenslin2000@yahoo.corn.ca
LAI oninitialcenterofK-means and
Yu—xia.LIU
Jian—ping.Optimizationstudy algorithm.ComputerEngineering
Applications.2008.44(10):147-149.
Abstract:ThetraditionalK-means has totheinitialcenters.Tosolvethis K-means
algorithmsensitivity problem,animproved
basedon is it the oftheareawherethedata findsK
to;then
algorithm densitypresente.Firstcomputesdensity objectbelongs
data allofwhichare to areaandthemostfar toeach theseKdata asthe
objects belonghighdensity away other,using objects
initialstart and resultsdemonstratethatthe can better
centers.Theoryanalysisexperimental improvedalgorithmget clustering.and
eliminatethe totheinitialstartcenters.
sensitivity
alea
Keywords:clustering;K-meansalgorithm;density;clusteringcenter;highdensity
基于密度的改进的K—means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,选择相互距离最远的K个处于高密
度区域的点作为初始聚类中心,理论分析与实验结果表明,改进的算法能取得更好的聚类结果。
关键词:聚类;K—means算法;密度;聚类中心;高密度区域
文章编号:1002—833l(2008)10—0147-03文献标识码:A 中图分类号:TP274
1引言 同的初始聚类中心出发,得到的聚类结果也不一样。因此本文
随着数据库应用的普及,人们正逐步陷入“数据丰富。知识 提出了一种寻找初始聚类中心的方法,使得初始聚类中心的分
贫乏”的尴尬境地。而近年来互联网的发展与快速普及,使得人 布尽可能体现数据的实际分布。
类第一次真正体会到了数据海洋无边无际。而数据挖掘技术的
出现,使得人们能够利用智能技术将这巨大数据资源转换为有 2 K—nlean
文档评论(0)