计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
10期
147-149
,共3页
聚类%K-means算法%密度%聚类中心%高密度区域
聚類%K-means算法%密度%聚類中心%高密度區域
취류%K-means산법%밀도%취류중심%고밀도구역
传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,选择相互距离最远的K个处于高密度区域的点作为初始聚类中心,理论分析与实验结果表明,改进的算法能取得更好的聚类结果.
傳統的K-means算法對初始聚類中心敏感,聚類結果隨不同的初始輸入而波動,針對K-means算法存在的問題,提齣瞭基于密度的改進的K-means算法,該算法採取聚類對象分佈密度方法來確定初始聚類中心,選擇相互距離最遠的K箇處于高密度區域的點作為初始聚類中心,理論分析與實驗結果錶明,改進的算法能取得更好的聚類結果.
전통적K-means산법대초시취류중심민감,취류결과수불동적초시수입이파동,침대K-means산법존재적문제,제출료기우밀도적개진적K-means산법,해산법채취취류대상분포밀도방법래학정초시취류중심,선택상호거리최원적K개처우고밀도구역적점작위초시취류중심,이론분석여실험결과표명,개진적산법능취득경호적취류결과.