计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2006年
7期
186-187
,共2页
任江涛%施潇潇%孙婧昊%黄焕宇%印鉴
任江濤%施瀟瀟%孫婧昊%黃煥宇%印鑒
임강도%시소소%손청호%황환우%인감
聚类%特征赋权%初始化
聚類%特徵賦權%初始化
취류%특정부권%초시화
聚类分析是数据挖掘及机器学习领域内的重点问题之一.近年来,为了提高聚类质量,借鉴和引入了分类领域特征选择及特征赋权思想,提出了一些基于特征赋权的聚类算法[1～3].在这些研究基础上,本文提出了一种基于密度的初始中心点选择算法,并借鉴文[1]所提出的特征赋权方法,给出了一种改进的基于特征赋权的K均值算法.实验表明该算法能较为稳定地得到较高质量的聚类结果.
聚類分析是數據挖掘及機器學習領域內的重點問題之一.近年來,為瞭提高聚類質量,藉鑒和引入瞭分類領域特徵選擇及特徵賦權思想,提齣瞭一些基于特徵賦權的聚類算法[1～3].在這些研究基礎上,本文提齣瞭一種基于密度的初始中心點選擇算法,併藉鑒文[1]所提齣的特徵賦權方法,給齣瞭一種改進的基于特徵賦權的K均值算法.實驗錶明該算法能較為穩定地得到較高質量的聚類結果.
취류분석시수거알굴급궤기학습영역내적중점문제지일.근년래,위료제고취류질량,차감화인입료분류영역특정선택급특정부권사상,제출료일사기우특정부권적취류산법[1～3].재저사연구기출상,본문제출료일충기우밀도적초시중심점선택산법,병차감문[1]소제출적특정부권방법,급출료일충개진적기우특정부권적K균치산법.실험표명해산법능교위은정지득도교고질량적취류결과.
