福建电脑
福建電腦
복건전뇌
FUJIAN COMPUTER
2013年
12期
103-104,111
,共3页
最优初值%k-均值聚类%数据挖掘
最優初值%k-均值聚類%數據挖掘
최우초치%k-균치취류%수거알굴
由于k-均值经典算法必须在聚类前随机地选择聚类的个数k,则后所得到的聚类结果会受到初始选择的聚类个数的影响.针对这个问题,根据寻找最优初值及免受孤立点影响的思想,提出了一种改进的k-均值聚类算法.实验证明改进的k-均值聚类算法在一定程度上解决了该算法对初始值的依赖,并部分减少了算法受噪声数据影响的可能.
由于k-均值經典算法必鬚在聚類前隨機地選擇聚類的箇數k,則後所得到的聚類結果會受到初始選擇的聚類箇數的影響.針對這箇問題,根據尋找最優初值及免受孤立點影響的思想,提齣瞭一種改進的k-均值聚類算法.實驗證明改進的k-均值聚類算法在一定程度上解決瞭該算法對初始值的依賴,併部分減少瞭算法受譟聲數據影響的可能.
유우k-균치경전산법필수재취류전수궤지선택취류적개수k,칙후소득도적취류결과회수도초시선택적취류개수적영향.침대저개문제,근거심조최우초치급면수고립점영향적사상,제출료일충개진적k-균치취류산법.실험증명개진적k-균치취류산법재일정정도상해결료해산법대초시치적의뢰,병부분감소료산법수조성수거영향적가능.
