福州大学学报（自然科学版）
福州大學學報（自然科學版）
복주대학학보（자연과학판）
JOURNAL OF FUZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2014年
4期
537-542
,共6页
K-means%二分K均值%预聚类%邻近簇
K-means%二分K均值%預聚類%鄰近簇
K-means%이분K균치%예취류%린근족
K-means%bisecting K-means%preliminary clustering%neighboring cluster
针对传统K-means算法在初始质心选取的敏感性以及迭代计算的冗余性这两方面的缺陷,提出一种高效的聚类算法(ECA).根据数据对象的空间分布情况,首先采用空间划分预聚类算法(SDPCA)对数据集实现预聚类划分,然后采用基于邻近簇调整的优化聚类算法(OCANC)对预聚类成果进行优化处理,最终获取聚类成果.实验证明,该改进算法能消除对初始输入的敏感性,以更高的运行效率获取较高质量的聚类结果.
針對傳統K-means算法在初始質心選取的敏感性以及迭代計算的冗餘性這兩方麵的缺陷,提齣一種高效的聚類算法(ECA).根據數據對象的空間分佈情況,首先採用空間劃分預聚類算法(SDPCA)對數據集實現預聚類劃分,然後採用基于鄰近簇調整的優化聚類算法(OCANC)對預聚類成果進行優化處理,最終穫取聚類成果.實驗證明,該改進算法能消除對初始輸入的敏感性,以更高的運行效率穫取較高質量的聚類結果.
침대전통K-means산법재초시질심선취적민감성이급질대계산적용여성저량방면적결함,제출일충고효적취류산법(ECA).근거수거대상적공간분포정황,수선채용공간화분예취류산법(SDPCA)대수거집실현예취류화분,연후채용기우린근족조정적우화취류산법(OCANC)대예취류성과진행우화처리,최종획취취류성과.실험증명,해개진산법능소제대초시수입적민감성,이경고적운행효솔획취교고질량적취류결과.
