软件导刊
軟件導刊
연건도간
SOFT WARE GUIDE
2012年
7期
120-121
,共2页
聚类算法%K-Means%网格
聚類算法%K-Means%網格
취류산법%K-Means%망격
K-Means算法是聚类方法中常用的一种划分方法.随着数据量的增加,K-Means算法的局限性日益突出.基于网格划分的思想,提出了一种基于网格的K-Means聚类算法,该算法使用了网格技术在一定程度上去除了孤立点和噪声数据,减少了原始K-Means算法特大的聚类分开的可能.实验表明,该算法能处理任意形状和大小的聚类,对孤立点和噪声数据也能很好地识别,并且在去除孤立点和噪声数据方面可以达到较好的精度.
K-Means算法是聚類方法中常用的一種劃分方法.隨著數據量的增加,K-Means算法的跼限性日益突齣.基于網格劃分的思想,提齣瞭一種基于網格的K-Means聚類算法,該算法使用瞭網格技術在一定程度上去除瞭孤立點和譟聲數據,減少瞭原始K-Means算法特大的聚類分開的可能.實驗錶明,該算法能處理任意形狀和大小的聚類,對孤立點和譟聲數據也能很好地識彆,併且在去除孤立點和譟聲數據方麵可以達到較好的精度.
K-Means산법시취류방법중상용적일충화분방법.수착수거량적증가,K-Means산법적국한성일익돌출.기우망격화분적사상,제출료일충기우망격적K-Means취류산법,해산법사용료망격기술재일정정도상거제료고립점화조성수거,감소료원시K-Means산법특대적취류분개적가능.실험표명,해산법능처리임의형상화대소적취류,대고립점화조성수거야능흔호지식별,병차재거제고립점화조성수거방면가이체도교호적정도.