基于k--means算法最佳聚类数的确定及应用.pdf

基于k--means算法最佳聚类数的确定及应用.pdf

  1. 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. 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. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

现代互联网数据规模呈现出爆炸式增长的趋势,聚类分析技术对于大规模数

据集的信息挖掘和提取非常有意义。但是无监督的聚类分析仍然存在一些问题,

最重要的问题之一是最佳聚类个数的确定问题。

针对这个问题,本文系统地研究了聚类分析技术和CH指数、Dunn指数、DB

指数、Silhouette指数和Gap统计量这五个经典的单一有效性指标。不同有效性指

标在同一数据集上确定的最佳聚类数有可能不同,为了明确各个有效性指标的重

要性以及其确定的最佳聚类数的可靠性,本文通过多次抽样来看每个有效性指标

趋势变化是否

文档评论(0)

dongbuzhihui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档