电脑知识与技术
電腦知識與技術
전뇌지식여기술
COMPUTER KNOWLEDGE AND TECHNOLOGY
2011年
36期
9496-9498
,共3页
聚类%K均值%簇集成
聚類%K均值%簇集成
취류%K균치%족집성
在图形、图像等识别领域均涉及到聚类的应用,通过对计算机采集到的数据,进行整理分类处理,是模式识别过程中的一个重要环节.因而,聚类集成方法的优劣决定了最终识别效果的好坏.由此,该文主要针对有关K均值的聚类集成方法进行深入研究,试图在基于k均值聚类簇集成方法的设计与实现方面提高计算机的运行效率和质量.
在圖形、圖像等識彆領域均涉及到聚類的應用,通過對計算機採集到的數據,進行整理分類處理,是模式識彆過程中的一箇重要環節.因而,聚類集成方法的優劣決定瞭最終識彆效果的好壞.由此,該文主要針對有關K均值的聚類集成方法進行深入研究,試圖在基于k均值聚類簇集成方法的設計與實現方麵提高計算機的運行效率和質量.
재도형、도상등식별영역균섭급도취류적응용,통과대계산궤채집도적수거,진행정리분류처리,시모식식별과정중적일개중요배절.인이,취류집성방법적우렬결정료최종식별효과적호배.유차,해문주요침대유관K균치적취류집성방법진행심입연구,시도재기우k균치취류족집성방법적설계여실현방면제고계산궤적운행효솔화질량.
