期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
K-centers聚类算法在教学评估中的应用 被引量:4
1
作者 高峰 《计算机工程与应用》 CSCD 北大核心 2007年第12期191-193,共3页
考虑不同出现频率的可分类属性值对聚类中心的影响,通过重新定义聚类中心和距离,提出了一种新的聚类算法K-centers,这种算法能够有效处理可分类和混合类型数据。在此基础上,将K-centers应用于课程教学评估,分析不同类型课程的特点,为评... 考虑不同出现频率的可分类属性值对聚类中心的影响,通过重新定义聚类中心和距离,提出了一种新的聚类算法K-centers,这种算法能够有效处理可分类和混合类型数据。在此基础上,将K-centers应用于课程教学评估,分析不同类型课程的特点,为评估教学提供了参考。 展开更多
关键词 聚类分析 k-centers 混合类型 教学评估
下载PDF
基于K-center和信息增益的Web搜索结果聚类方法 被引量:1
2
作者 丁振国 孟星 《计算机应用研究》 CSCD 北大核心 2008年第10期3125-3127,共3页
基于K-center和信息增益的概念,将改进后的FPF(furthest-point-first)算法用于Web搜索结果聚类,提出了聚类标志方法,使得聚类呈现出的结果更易于用户理解,给出了评价聚类质量的模型。将该算法与Lingo,K-means算法进行比较,其结果表明,... 基于K-center和信息增益的概念,将改进后的FPF(furthest-point-first)算法用于Web搜索结果聚类,提出了聚类标志方法,使得聚类呈现出的结果更易于用户理解,给出了评价聚类质量的模型。将该算法与Lingo,K-means算法进行比较,其结果表明,本算法能够较好地平衡聚类质量和速度,更加适用于Web检索聚类。 展开更多
关键词 WEB文档 聚类 聚类标志 k-center 信息增益
下载PDF
一种面向SNP选择的K-Center算法
3
作者 曹莉敏 周从华 《计算机应用与软件》 北大核心 2020年第9期227-234,共8页
单核苷酸多态性(Single Nucleotide Polymorphism,SNP)数据是一种关于遗传病理学研究的重要数据,其高维少样本,存在大量噪声和冗余,并且SNP位点之间存在连锁不平衡性,因此需要对SNP数据进行降维。提出一种改进的K-Center算法——K-MSU... 单核苷酸多态性(Single Nucleotide Polymorphism,SNP)数据是一种关于遗传病理学研究的重要数据,其高维少样本,存在大量噪声和冗余,并且SNP位点之间存在连锁不平衡性,因此需要对SNP数据进行降维。提出一种改进的K-Center算法——K-MSU算法。使用K-Center进行数据降维,在K-Center算法的距离度量中引入对称不确定性,解决SNP数据之间的连锁不平衡性;针对K-Center算法的随机选择初始聚类中心的方法容易对聚类结果产生较大的影响,使用基于信息增益的密度方法去选择初始聚类中心。在医院提供的临床实验数据的实验结果表明,K-MSU算法在SNP选择中具有更高的分类准确率和较好的效果。 展开更多
关键词 单核苷酸多态 SNP选择 k-center 特征选择 对称不确定性 信息增益
下载PDF
基于时延的软件定义网络控制器部署策略研究
4
作者 黄尔杰 尚秋峰 《科技与创新》 2019年第3期68-69,共2页
软件定义网络(SDN)作为一种新兴的网络架构得到了广泛的关注。鉴于SDN控制器的部署对网络性能有很大的影响,研究了以最小化控制时延为优化目标的控制器部署问题,仿真分析了典型的随机算法、k-means算法,并提出I-k-center聚类算法来求解... 软件定义网络(SDN)作为一种新兴的网络架构得到了广泛的关注。鉴于SDN控制器的部署对网络性能有很大的影响,研究了以最小化控制时延为优化目标的控制器部署问题,仿真分析了典型的随机算法、k-means算法,并提出I-k-center聚类算法来求解此问题。在IEEE30电力通信拓扑上的仿真实验表明,I-k-center算法可以有效优化网络的最大时延。 展开更多
关键词 软件定义网络 控制器部署 k-center 数据链路
下载PDF
Objective array design for three-dimensional temperature and salinity observation:Application to the South China Sea
5
作者 Mengxue Qu Zexun Wei +2 位作者 Yanfeng Wang Yonggang Wang Tengfei Xu 《Acta Oceanologica Sinica》 SCIE CAS CSCD 2022年第7期65-77,共13页
In this study,a moored array optimization tool(MAOT)was developed and applied to the South China Sea(SCS)with a focus on three-dimensional temperature and salinity observations.Application of the MAOT involves two ste... In this study,a moored array optimization tool(MAOT)was developed and applied to the South China Sea(SCS)with a focus on three-dimensional temperature and salinity observations.Application of the MAOT involves two steps:(1)deriving a set of optimal arrays that are independent of each other for different variables at different depths based on an empirical orthogonal function method,and(2)consolidating these arrays using a K-center clustering algorithm.Compared with the assumed initial array consisting of 17 mooring sites located on a 3°×3°horizontal grid,the consolidated array improved the observing ability for three-dimensional temperature and salinity in the SCS with optimization efficiencies of 19.03%and 21.38%,respectively.Experiments with an increased number of moored sites showed that the most cost-effective option is a total of 20 moorings,improving the observing ability with optimization efficiencies up to 26.54%for temperature and 27.25%for salinity.The design of an objective array relies on the ocean phenomenon of interest and its spatial and temporal scales.In this study,we focus on basin-scale variations in temperature and salinity in the SCS,and thus our consolidated array may not well resolve mesoscale processes.The MAOT can be extended to include other variables and multi-scale variability and can be applied to other regions. 展开更多
关键词 optimal array design observation system simulation experiment South China Sea empirical orthogonal function k-center clustering
下载PDF
Fair k-Center Problem with Outliers on Massive Data
6
作者 Fan Yuan Luhong Diao +1 位作者 Donglei Du Lei Liu 《Tsinghua Science and Technology》 SCIE EI CAS CSCD 2023年第6期1072-1084,共13页
The clustering problem of big data in the era of artificial intelligence has been widely studied.Because of the huge amount of data,distributed algorithms are often used to deal with big data problems.The distributed ... The clustering problem of big data in the era of artificial intelligence has been widely studied.Because of the huge amount of data,distributed algorithms are often used to deal with big data problems.The distributed computing model has an attractive feature:it can handle massive datasets that cannot be put into the main memory.On the other hand,since many decisions are made automatically by machines in today’s society,algorithm fairness is also an important research area of machine learning.In this paper,we study two fair clustering problems:the centralized fair k-center problem with outliers and the distributed fair k-center problem with outliers.For these two problems,we have designed corresponding constant approximation ratio algorithms.The theoretical proof and analysis of the approximation ratio,and the running space of the algorithm are given. 展开更多
关键词 machine learning distributed algorithm fairness constraints outlier constraints k-center problem
原文传递
满足参数不等式的k-Center问题的近似算法
7
作者 张同全 王泽磊 《云南大学学报(自然科学版)》 CAS CSCD 2004年第B07期29-32,共4页
考虑了无向完全图中满足参数不等式的k-Center问题,确切来讲,假定有一参数τ满足τ≥12,对于任意3个点x,y和z,都有dist(x,y)≤τ(dist(x,z)+dist(z,y)).利用罚参数中技术得到了1个2τ近似的算法,并且证明了对任意的ε>0,不存在2τ-... 考虑了无向完全图中满足参数不等式的k-Center问题,确切来讲,假定有一参数τ满足τ≥12,对于任意3个点x,y和z,都有dist(x,y)≤τ(dist(x,z)+dist(z,y)).利用罚参数中技术得到了1个2τ近似的算法,并且证明了对任意的ε>0,不存在2τ-ε近似,除非P=NP.用同样的技术得到了对于有权重限制的k-Center问题的1个2τ2+τ近似算法. 展开更多
关键词 参数不等式 k-center问题 近似算法 独立集 罚参数 控制集
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部