信息通信
信息通信
신식통신
Information & Communications
2015年
9期
35-36
,共2页
聚类分析%数据挖掘%K-means算法
聚類分析%數據挖掘%K-means算法
취류분석%수거알굴%K-means산법
聚类分析技术是数据挖掘中一个重要的分析手段,聚类结果要求数据组内的对象相似性较高,数据组对象之间的相似性较低.到目前为止,有各种各样的聚类算法,其中K-means算法最为广泛,它是采用误差平方和准则函数作为聚类准则函数.但是K-means算法也有不足之处,比如k值无法确定,时间开销很大等.针对这些缺点,文章提出了一种改进的基于K-means的信息聚类算法研究.
聚類分析技術是數據挖掘中一箇重要的分析手段,聚類結果要求數據組內的對象相似性較高,數據組對象之間的相似性較低.到目前為止,有各種各樣的聚類算法,其中K-means算法最為廣汎,它是採用誤差平方和準則函數作為聚類準則函數.但是K-means算法也有不足之處,比如k值無法確定,時間開銷很大等.針對這些缺點,文章提齣瞭一種改進的基于K-means的信息聚類算法研究.
취류분석기술시수거알굴중일개중요적분석수단,취류결과요구수거조내적대상상사성교고,수거조대상지간적상사성교저.도목전위지,유각충각양적취류산법,기중K-means산법최위엄범,타시채용오차평방화준칙함수작위취류준칙함수.단시K-means산법야유불족지처,비여k치무법학정,시간개소흔대등.침대저사결점,문장제출료일충개진적기우K-means적신식취류산법연구.