电脑知识与技术
電腦知識與技術
전뇌지식여기술
COMPUTER KNOWLEDGE AND TECHNOLOGY
2008年
32期
1176-1177,1180
,共3页
聚类%k-means%算法:实验
聚類%k-means%算法:實驗
취류%k-means%산법:실험
为了克服经典K-means算法对初始聚类中心过分依赖的缺点,该文提出采用竞争神经网络和密度思想对经典k-means算法进行预处理,从而改变经典K-means算法对初始聚类中心的随机选择.实验结果表明,这两种方法是有效的.
為瞭剋服經典K-means算法對初始聚類中心過分依賴的缺點,該文提齣採用競爭神經網絡和密度思想對經典k-means算法進行預處理,從而改變經典K-means算法對初始聚類中心的隨機選擇.實驗結果錶明,這兩種方法是有效的.
위료극복경전K-means산법대초시취류중심과분의뢰적결점,해문제출채용경쟁신경망락화밀도사상대경전k-means산법진행예처리,종이개변경전K-means산법대초시취류중심적수궤선택.실험결과표명,저량충방법시유효적.