科技通报
科技通報
과기통보
BULLETIN OF SCIENCE AND TECHNOLOGY
2013年
4期
171-173
,共3页
聚类算法%K均值%约束性过滤
聚類算法%K均值%約束性過濾
취류산법%K균치%약속성과려
传统的对数据进行κ簇划分过程中,一旦数据过大,在各个簇中心的距离的计算和划分中,需要大量的距离计算操作,算法效率较低.本文提出了一种基于约束性过滤的改进K均值挖掘算法.利用聚类算法中涉及到的可重用的信息,对大量的数据进行校验,删除掉一些冗余信息,保证数据的最优化,克服了k-means聚类算法针对“噪声”和孤立点数据是敏感的缺点.实验证明,提出的初始中心选择方法能够选择出合理的初始聚类中心,改进的k均值算法与传统的k均值聚类算法相比,算法的鲁棒性更强,聚类效果更好.
傳統的對數據進行κ簇劃分過程中,一旦數據過大,在各箇簇中心的距離的計算和劃分中,需要大量的距離計算操作,算法效率較低.本文提齣瞭一種基于約束性過濾的改進K均值挖掘算法.利用聚類算法中涉及到的可重用的信息,對大量的數據進行校驗,刪除掉一些冗餘信息,保證數據的最優化,剋服瞭k-means聚類算法針對“譟聲”和孤立點數據是敏感的缺點.實驗證明,提齣的初始中心選擇方法能夠選擇齣閤理的初始聚類中心,改進的k均值算法與傳統的k均值聚類算法相比,算法的魯棒性更彊,聚類效果更好.
전통적대수거진행κ족화분과정중,일단수거과대,재각개족중심적거리적계산화화분중,수요대량적거리계산조작,산법효솔교저.본문제출료일충기우약속성과려적개진K균치알굴산법.이용취류산법중섭급도적가중용적신식,대대량적수거진행교험,산제도일사용여신식,보증수거적최우화,극복료k-means취류산법침대“조성”화고립점수거시민감적결점.실험증명,제출적초시중심선택방법능구선택출합리적초시취류중심,개진적k균치산법여전통적k균치취류산법상비,산법적로봉성경강,취류효과경호.
