南华大学学报（自然科学版）
南華大學學報（自然科學版）
남화대학학보（자연과학판）
JOURNAL OF NANHUA UNIVERSITY(SCIENCE AND TECHNOLOGY)
2004年
4期
57-60
,共4页
聚类%动态迭代聚类%基因数据库%知识发现%K-均值算法
聚類%動態迭代聚類%基因數據庫%知識髮現%K-均值算法
취류%동태질대취류%기인수거고%지식발현%K-균치산법
聚类技术在知识发现方面发挥了很重要的作用,K-均值算法是聚类分析中最常用的算法,但K-均值算法必须预先选择类的数目作为先验值,即研究者需要确定数据空间内有意义类的数目.针对这个问题,本文提出一种新的聚类算法-动态迭代聚类算法,动态选取K个边缘相似度的数据对象作为最初的初始聚类点,并根据类内或类间的相似度离差程度不断地精练(合并或分割)初始类群.模拟实验结果表明,该算法提高了聚类质量,使聚类具有更高的准确性.
聚類技術在知識髮現方麵髮揮瞭很重要的作用,K-均值算法是聚類分析中最常用的算法,但K-均值算法必鬚預先選擇類的數目作為先驗值,即研究者需要確定數據空間內有意義類的數目.針對這箇問題,本文提齣一種新的聚類算法-動態迭代聚類算法,動態選取K箇邊緣相似度的數據對象作為最初的初始聚類點,併根據類內或類間的相似度離差程度不斷地精練(閤併或分割)初始類群.模擬實驗結果錶明,該算法提高瞭聚類質量,使聚類具有更高的準確性.
취류기술재지식발현방면발휘료흔중요적작용,K-균치산법시취류분석중최상용적산법,단K-균치산법필수예선선택류적수목작위선험치,즉연구자수요학정수거공간내유의의류적수목.침대저개문제,본문제출일충신적취류산법-동태질대취류산법,동태선취K개변연상사도적수거대상작위최초적초시취류점,병근거류내혹류간적상사도리차정도불단지정련(합병혹분할)초시류군.모의실험결과표명,해산법제고료취류질량,사취류구유경고적준학성.
