期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
优化初始中心点的小麦品质区域聚类 被引量:1
1
作者 黄芬 朱艳 +2 位作者 梁敬东 伍艳莲 姜海燕 《计算机工程与应用》 CSCD 北大核心 2011年第36期34-37,72,共5页
为探寻区域性小麦品质聚类的适宜算法,针对经典K-Means(KM)算法对初始聚类中心的敏感问题,以我国主要冬麦区为研究实例,探讨了两种初始中心点改进算法对大规模小麦品质数据集的适应性,综合距离与密度两因素,提出了一种基于密度参数和邻... 为探寻区域性小麦品质聚类的适宜算法,针对经典K-Means(KM)算法对初始聚类中心的敏感问题,以我国主要冬麦区为研究实例,探讨了两种初始中心点改进算法对大规模小麦品质数据集的适应性,综合距离与密度两因素,提出了一种基于密度参数和邻域半径的优化初始中心点小麦品质聚类算法。相对KM算法及文献改进算法,所提算法可较为准确地提取数据集高密度区域的初始中心点,聚类过程及性能对静态簇与非静态簇两种不同迭代方案相对不敏感。实验结果验证了算法的有效性和可行性,在收敛性能及稳定性方面具有一定的优势。 展开更多
关键词 区域聚类 小麦品质 优化初始中心 适宜性
下载PDF
基于优化初始中心的加权K-均值彩色图像聚类算法分析 被引量:3
2
作者 何芳州 《现代电子技术》 北大核心 2020年第18期26-29,共4页
超像素作为一种图像预处理技术,在计算机视觉领域中得到了广泛的应用。该文研究的重点就是基于优化初始中心的加权K-均值彩色图像聚类算法的具体应用,针对单板彩色图像,提出一种基于彩色RGB空间通道的K-均值优化初始中心聚类分割方法,并... 超像素作为一种图像预处理技术,在计算机视觉领域中得到了广泛的应用。该文研究的重点就是基于优化初始中心的加权K-均值彩色图像聚类算法的具体应用,针对单板彩色图像,提出一种基于彩色RGB空间通道的K-均值优化初始中心聚类分割方法,并与SLIC进行了分析,得到一种新的SLIC算法(WKK-SLIC算法)。该算法是基于优化加权K-means聚类初始中心点为基础,对彩色图像进行分割处理。在该算法中,通过运用密度敏感相似度对空间像素点密度生成聚类初始中心完成计量,所得聚类结构较稳定且经试验结果表明,在进行图像分割时该算法各方面的性能都要优于其他算法,具有更高的稳定性与准确性。 展开更多
关键词 彩色图像 聚类算法 加权K-均值 优化初始中心 图像分割 试验分析
下载PDF
一种优化初始聚类中心的K-means聚类算法 被引量:15
3
作者 周爱武 崔丹丹 潘勇 《微型机与应用》 2011年第13期1-3,9,共4页
针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法选出初始聚类中心,并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高,具有更高的准确性。
关键词 欧氏距离 K—means 优化初始中心
下载PDF
结合初始中心优化和特征加权的K-Means聚类算法 被引量:19
4
作者 王宏杰 师彦文 《计算机科学》 CSCD 北大核心 2017年第B11期457-459,502,共4页
为了提高传统K-Means聚类算法的聚类准确性,提出一种结合初始中心优化和特征加权的改进K-Means聚类算法。首先,根据样本特征对聚类的贡献程度获得初始特征权重,构建一种加权距离度量。其次,利用提出的初始聚类中心选择方法获得k个初始... 为了提高传统K-Means聚类算法的聚类准确性,提出一种结合初始中心优化和特征加权的改进K-Means聚类算法。首先,根据样本特征对聚类的贡献程度获得初始特征权重,构建一种加权距离度量。其次,利用提出的初始聚类中心选择方法获得k个初始聚类中心,并结合初始特征权重进行初步聚类。然后,根据聚类精度来调整特征权重并再次执行聚类过程。重复执行上述过程直到聚类精度不再变化,获得最终的聚类结果。在UCI数据库上的实验结果表明,与现有相关K-Means聚类算法相比,该算法具有较高的聚类准确性。 展开更多
关键词 K-MEANS聚类 贡献因子 特征加权 初始聚类中心优化
下载PDF
初始聚类中心优化的K-均值项目聚类推荐算法 被引量:4
5
作者 胡旭 鲁汉榕 +1 位作者 陈新 周国安 《空军预警学院学报》 2014年第3期203-207,共5页
针对协同过滤推荐系统存在的数据稀疏性和扩展性差问题,提出了初始聚类中心优化的K-均值项目聚类推荐算法.该算法首先采用SlopeOne方法对评分矩阵预测填充来缓解数据稀疏性,然后采用初始聚类中心优化的K-均值算法对项目进行聚类,将相似... 针对协同过滤推荐系统存在的数据稀疏性和扩展性差问题,提出了初始聚类中心优化的K-均值项目聚类推荐算法.该算法首先采用SlopeOne方法对评分矩阵预测填充来缓解数据稀疏性,然后采用初始聚类中心优化的K-均值算法对项目进行聚类,将相似度高的项目聚到同一个类中,最后根据目标项目所在的聚类搜索其最近邻并产生推荐.实验结果表明,该算法有效改善了数据的稀疏性和扩展性,提高了推荐质量. 展开更多
关键词 协同过滤推荐 初始聚类中心优化 K-均值聚类
下载PDF
初始中心点优化的k-means算法研究 被引量:1
6
作者 付晨 《江西电力职业技术学院学报》 CAS 2012年第4期47-49,共3页
对初始中心点优化的k-means算法进行了研究,介绍了典型的初始中心点优化的k-means算法,并在其算法基础上提出了改进的算法。
关键词 K-MEANS 初始中心优化 聚类分析
下载PDF
一种结合K-means均匀分簇和数据回归的WSN能量均衡策略 被引量:12
7
作者 叶继华 万叶晶 +1 位作者 刘长红 王仕民 《小型微型计算机系统》 CSCD 北大核心 2017年第8期1688-1692,共5页
针对LEACH协议簇头节点分布不均导致无线传感网节点能量消耗不均衡等不足,提出一种结合K-means均匀分簇和数据回归的能量均衡策略.采用优化初始簇中心K-means算法构建均匀分簇的分级无线传感网,通过获取节点地理位置信息,采用K-means聚... 针对LEACH协议簇头节点分布不均导致无线传感网节点能量消耗不均衡等不足,提出一种结合K-means均匀分簇和数据回归的能量均衡策略.采用优化初始簇中心K-means算法构建均匀分簇的分级无线传感网,通过获取节点地理位置信息,采用K-means聚类算法形成k个均匀分簇,再选举簇内节点剩余能量最多者当选簇头.该成簇算法可以使网络负载均匀,延长网络生存周期.通过优化初始簇中心的选择,降低K-means算法的迭代次数,使其更快收敛,成簇时间开销更少,簇与簇之间的地理分布也更均匀.在稳定数据传输阶段,采用数据回归的方法来减少普通节点与簇首的通信量,以达到降低功耗的作用.实验结果表明,该策略能够有效降低节点的功耗,延长网络的生存时间. 展开更多
关键词 K-MEANS算法 均匀分簇 优化初始中心 数据回归
下载PDF
一种改进的K-means聚类算法 被引量:5
8
作者 周爱武 崔丹丹 肖云 《微型机与应用》 2011年第21期17-19,共3页
K-means算法是最常用的一种基于划分的聚类算法,但该算法需要事先指定K值、随机选择初始聚类中心等的缺陷,从而影响了K-means聚类结果的稳定性。针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法确定初始... K-means算法是最常用的一种基于划分的聚类算法,但该算法需要事先指定K值、随机选择初始聚类中心等的缺陷,从而影响了K-means聚类结果的稳定性。针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法确定初始聚类中心,然后进行聚类,得出最终的聚类结果。实验证明,该改进算法比随机选择初始聚类中心的算法性能得到了提高,并且具有更高的准确性及稳定性。 展开更多
关键词 欧氏距离 K—means 优化初始聚类中心
下载PDF
用于网络行为分析的一种改进K-means算法 被引量:1
9
作者 王景中 张存正 《北方工业大学学报》 2016年第1期24-27,共4页
为了提高网络行为聚类的准确性和有效性,提出了一种用于分析网络行为的改进K均值算法.算法首先计算K类中心的轮廓系数,以及各类数据与类中心的距离,然后自动选取优秀样本,最后求均值作为优化后的初始聚类中心重新进行聚类.在UCI数据集... 为了提高网络行为聚类的准确性和有效性,提出了一种用于分析网络行为的改进K均值算法.算法首先计算K类中心的轮廓系数,以及各类数据与类中心的距离,然后自动选取优秀样本,最后求均值作为优化后的初始聚类中心重新进行聚类.在UCI数据集上的实验表明,该算法聚类时间短,提高了聚类的准确性. 展开更多
关键词 K-MEANS算法 优化初始聚类中心 轮廓系数
下载PDF
一种改进的基于用户聚类的协同过滤推荐算法 被引量:6
10
作者 刘璐 王志谦 《电视技术》 2018年第6期1-4,共4页
为克服在线视频网站中出现的数据稀疏性和推荐实时性不佳的问题,本文提出一种基于用户聚类的改进算法。首先该算法以商品属性为辅助预填充矩阵空白,然后采用初始聚类中心优化的k-means算法在矩阵上对用户进行离线聚类,将兴趣点相同的用... 为克服在线视频网站中出现的数据稀疏性和推荐实时性不佳的问题,本文提出一种基于用户聚类的改进算法。首先该算法以商品属性为辅助预填充矩阵空白,然后采用初始聚类中心优化的k-means算法在矩阵上对用户进行离线聚类,将兴趣点相同的用户聚集到同一类别中,最后在线寻找目标用户最近邻并产生推荐。本文采用Movie Lens作为测试数据集,实验结果表明,本文算法可以有效缓解数据稀疏性及改善实时性,并在一定程度上提高推荐精度。 展开更多
关键词 协同过滤 初始聚类中心优化 k-means用户聚类
下载PDF
通过密度思想和聚类有效性指标改进的K-means算法 被引量:9
11
作者 马钰 莫路锋 《现代电子技术》 2021年第17期120-123,共4页
K-means算法是常用的一种聚类分析算法。通常预先选取一个k值,然后再通过选取初始聚类中心进行聚类,直到结果不再收敛。但是传统K-means算法存在k值和初始中心点如何选取的问题,因此针对这一缺陷进行改进。通过密度参数的计算和考虑样... K-means算法是常用的一种聚类分析算法。通常预先选取一个k值,然后再通过选取初始聚类中心进行聚类,直到结果不再收敛。但是传统K-means算法存在k值和初始中心点如何选取的问题,因此针对这一缺陷进行改进。通过密度参数的计算和考虑样本之间距离因素来选取初始聚类中心,并且对聚类有效性指标DBI进行改进,得到新的聚类有效性指标函数IDBI来分析不同k值下的聚类结果,从而得出最佳聚类数。结果表明,IDBI值普遍比DBI小,更加趋于稳定,因此该算法相比传统算法具有更好的收敛性以及更高的准确性。 展开更多
关键词 K-MEANS 聚类密度思想 聚类分析 初始中心选取优化 k值优化 IDBI聚类有效性指标
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部