计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
7期
175-178
,共4页
雷小锋%杨阳%张克%谢昆青%夏征义
雷小鋒%楊暘%張剋%謝昆青%夏徵義
뢰소봉%양양%장극%사곤청%하정의
聚类问题%K-Means算法%元启发式策略%迭代自学习框架
聚類問題%K-Means算法%元啟髮式策略%迭代自學習框架
취류문제%K-Means산법%원계발식책략%질대자학습광가
类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优.为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法.实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果.
類內誤差平方和最小化的聚類準則求解是NP難問題,K-Means採用的迭代重定位方法本質上是一種跼部搜索的爬山算法,因此聚類結果對初始代錶點的選擇非常敏感,隻能保證跼部最優.為此,引入元啟髮式策略,通過建立評估函數對K-Means初始代錶點和目標函數之間的依賴關繫進行近似,然後利用近似評估函數指導新的初始代錶點的選擇,構成一種迭代自學習框架下的K-Means算法.實驗錶明算法可以很好地剋服K-Means對初始代錶點的依賴性,穫得較高質量的聚類結果.
류내오차평방화최소화적취류준칙구해시NP난문제,K-Means채용적질대중정위방법본질상시일충국부수색적파산산법,인차취류결과대초시대표점적선택비상민감,지능보증국부최우.위차,인입원계발식책략,통과건립평고함수대K-Means초시대표점화목표함수지간적의뢰관계진행근사,연후이용근사평고함수지도신적초시대표점적선택,구성일충질대자학습광가하적K-Means산법.실험표명산법가이흔호지극복K-Means대초시대표점적의뢰성,획득교고질량적취류결과.
