[算法,函数]基于距离函数的改进k―means算法.pdfVIP

下载本文档

2
0
约3.48千字
约 4页
2023-02-17 发布于江苏
举报
版权申诉

[算法,函数]基于距离函数的改进k―means算法.pdf

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、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。。
2、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。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

基于距离函数的改进 k―means 算法摘要：聚类算法在自然科学和和社会科学中都有很普遍的应用，而K-means 算法是聚类算法中经典的划分方法之一。但如果数据集内相邻的簇之间离散度相差较大，或者是属性分布区间相差较大，则算法的聚类效果十分有限。本文基于离散度的思想，采用新的加权距离函数代替了传统算法的欧氏距离，在一定程度上优化了k-means 算法的聚类结果。关键词：聚类；k-means 算法；离散度 1 概述在当今时代，数据可以说是最宝贵的财富，数据挖掘算法成了发掘数据财富的最有效手段，而聚类分析可以算是数据挖掘算法的