计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2010年
18期
210-213
,共4页
高维海量数据%自适应分类%相似性%无监督
高維海量數據%自適應分類%相似性%無鑑督
고유해량수거%자괄응분류%상사성%무감독
利用高维海量数据点的自身特性和所属类别的唯一性,提出一种改进的无监督分类算法.计算高维点间的互相似度,利用相似性图像处理技术,在每次迭代计算中对数据集进行分割与分类,对数量较少的孤立点进行重分类.实验结果表明,该算法可在没有人工干预的情况下实现高维数据的自适应分类,相比K-means和Isodata算法,所需的计算迭代次数与计算时间较少.
利用高維海量數據點的自身特性和所屬類彆的唯一性,提齣一種改進的無鑑督分類算法.計算高維點間的互相似度,利用相似性圖像處理技術,在每次迭代計算中對數據集進行分割與分類,對數量較少的孤立點進行重分類.實驗結果錶明,該算法可在沒有人工榦預的情況下實現高維數據的自適應分類,相比K-means和Isodata算法,所需的計算迭代次數與計算時間較少.
이용고유해량수거점적자신특성화소속유별적유일성,제출일충개진적무감독분류산법.계산고유점간적호상사도,이용상사성도상처리기술,재매차질대계산중대수거집진행분할여분류,대수량교소적고립점진행중분류.실험결과표명,해산법가재몰유인공간예적정황하실현고유수거적자괄응분류,상비K-means화Isodata산법,소수적계산질대차수여계산시간교소.
