计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
3期
189-191
,共3页
K-均值算法%类内差异%类间差异%均衡化函数%扩展的部分失真搜索
K-均值算法%類內差異%類間差異%均衡化函數%擴展的部分失真搜索
K-균치산법%류내차이%류간차이%균형화함수%확전적부분실진수색
聚类分析的应用很广泛,传统的K-means算法要求事先给定k值,限制了很多实际的应用,由于聚类的质量主要考察类内的紧凑性和类间的距离,提出了均衡化的评价函数,使用最近邻搜索算法减少算法的计算量,不仅自动生成聚类的数目,同时均衡了类内差异和类间差异对于聚类结果的影响,实验结果证明改进的K-means算法的有效性.
聚類分析的應用很廣汎,傳統的K-means算法要求事先給定k值,限製瞭很多實際的應用,由于聚類的質量主要攷察類內的緊湊性和類間的距離,提齣瞭均衡化的評價函數,使用最近鄰搜索算法減少算法的計算量,不僅自動生成聚類的數目,同時均衡瞭類內差異和類間差異對于聚類結果的影響,實驗結果證明改進的K-means算法的有效性.
취류분석적응용흔엄범,전통적K-means산법요구사선급정k치,한제료흔다실제적응용,유우취류적질량주요고찰류내적긴주성화류간적거리,제출료균형화적평개함수,사용최근린수색산법감소산법적계산량,불부자동생성취류적수목,동시균형료류내차이화류간차이대우취류결과적영향,실험결과증명개진적K-means산법적유효성.
