| 一种改进的K-均值聚类算法的研究 |
| |
| 引用本文： | 王圆妹. 一种改进的K-均值聚类算法的研究[J]. 长江大学学报, 2006, 0(10) |
| |
| 作者姓名： | 王圆妹 |
| |
| 作者单位： | 长江大学电子信息学院 湖北荆州 |
| |
| 摘 要： | 聚类分析在科研和商业应用中都有着非常重要的作用。K-均值聚类算法是一种基于样本间相似性度量的间接聚类方法,其不足之处是,它采用均值作为一类的代表点,一个点往往不能充分反映该类的模式分布结构,从而损失了很多有用的信息。研究了一种改进的K-均值聚类算法,在求样本间距离时,采用核函数距离代替欧氏距离,考虑了各模式间的相关性。试验结果表明,利用改进的K-均值聚类算法,聚类结果的准确率更高,更稳定。
|
| 关 键 词： | K-均值算法 相似度量 核函数 聚类 |
On the Improvement of K-means Clustering Algorithm |
| |
| WANG Yuan-mei. On the Improvement of K-means Clustering Algorithm[J]. Journal of Yangtze University, 2006, 0(10) |
| |
| Authors: | WANG Yuan-mei |
| |
| Abstract: | |
| |
| Keywords: | K-means algorithm comparability measurement kernel function clustering |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
