期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
动态分配聚类中心的改进K均值聚类算法
被引量:
24
1
作者
程艳云
周鹏
《计算机技术与发展》
2017年第2期33-36,41,共5页
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一...
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一种改进的K均值算法。该算法通过定义的平均类间最大相似度指标值来确定最佳的K值,将所有数据点中密度较高的点作为备选聚类中心,将备选点中密度最大的两个点作为聚类中心进行初步聚类计算并更新当前聚类中心。当计算得到的平均类间最大相似度现值小于前次计算值,则依据相对距离原则从备选点中动态选择下一个聚类中心;否则,将当前的聚类中心作为最佳初始聚类中心进行K均值聚类计算。实验结果表明,改进后的算法不仅能够有效地提高聚类计算的精确性与稳定性,而且还能缩短聚类计算时间,具有一定的技术优势和应用前景。
展开更多
关键词
KMEANS算法
动态聚类中心
相对距离
高密度点
下载PDF
职称材料
基于核函数动态分配聚类中心的DGK-Kmeans算法
被引量:
3
2
作者
张晋逢
孙忠林
《软件导刊》
2019年第2期42-44,48,共4页
Kmeans算法存在两个主要缺陷,导致聚类结果准确率较低。为改善聚类效果,提出一种DGK-Kmeans算法。该算法选用核密度估计处理数据,得到备选聚类中心,依据平均类间相似度动态增加初始聚类中心个数,直至平均类间相似度大于前次计算值时,选...
Kmeans算法存在两个主要缺陷,导致聚类结果准确率较低。为改善聚类效果,提出一种DGK-Kmeans算法。该算法选用核密度估计处理数据,得到备选聚类中心,依据平均类间相似度动态增加初始聚类中心个数,直至平均类间相似度大于前次计算值时,选取平均类内相似度最小时对应的聚类中心为初始聚类中心,进行Kmeans聚类计算。采用UCI标准数据集进行实验,证明改进后的DGK-Kmeans算法在聚类准确率和稳定性方面有很大提高。
展开更多
关键词
Kmeans算法
高斯核函数
动态聚类中心
下载PDF
职称材料
一种改进的动态聚类非线性系统辨识算法
3
作者
王亚静
刘福才
+1 位作者
张艳欣
董媛媛
《控制工程》
CSCD
北大核心
2010年第S2期85-88,共4页
对RBF网络中几种常用的聚类算法进行比较,分析了各种方法的优缺点,针对动态聚类法进行了改进,其最突出的缺点是距离门限值固定不变,不适于样本分布密度差异较大的数据集。在改进算法中,首先定义所有样本间的平均距离为聚类门限初值,按...
对RBF网络中几种常用的聚类算法进行比较,分析了各种方法的优缺点,针对动态聚类法进行了改进,其最突出的缺点是距离门限值固定不变,不适于样本分布密度差异较大的数据集。在改进算法中,首先定义所有样本间的平均距离为聚类门限初值,按照奖罚制度动态调节各中心的距离门限值,然后对所有样本进行动态聚类,以输入样本的平均值作为聚类中心,用最小二乘法求的输出层权值。该算法具有在线自适应聚类能力,所得到的RBF网络是最优的。最后通过著名的煤气炉数据验证了该方法的有效性与实用性。
展开更多
关键词
RBF网络
动态聚类中心
最小二乘算法
下载PDF
职称材料
题名
动态分配聚类中心的改进K均值聚类算法
被引量:
24
1
作者
程艳云
周鹏
机构
南京邮电大学自动化学院
出处
《计算机技术与发展》
2017年第2期33-36,41,共5页
基金
江苏省自然科学基金(BK20140877
BK2014803)
文摘
K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低。针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一种改进的K均值算法。该算法通过定义的平均类间最大相似度指标值来确定最佳的K值,将所有数据点中密度较高的点作为备选聚类中心,将备选点中密度最大的两个点作为聚类中心进行初步聚类计算并更新当前聚类中心。当计算得到的平均类间最大相似度现值小于前次计算值,则依据相对距离原则从备选点中动态选择下一个聚类中心;否则,将当前的聚类中心作为最佳初始聚类中心进行K均值聚类计算。实验结果表明,改进后的算法不仅能够有效地提高聚类计算的精确性与稳定性,而且还能缩短聚类计算时间,具有一定的技术优势和应用前景。
关键词
KMEANS算法
动态聚类中心
相对距离
高密度点
Keywords
KMEANS algorithm
dynamic clustering center
relative distance
high density point
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于核函数动态分配聚类中心的DGK-Kmeans算法
被引量:
3
2
作者
张晋逢
孙忠林
机构
山东科技大学计算机科学与工程学院
出处
《软件导刊》
2019年第2期42-44,48,共4页
文摘
Kmeans算法存在两个主要缺陷,导致聚类结果准确率较低。为改善聚类效果,提出一种DGK-Kmeans算法。该算法选用核密度估计处理数据,得到备选聚类中心,依据平均类间相似度动态增加初始聚类中心个数,直至平均类间相似度大于前次计算值时,选取平均类内相似度最小时对应的聚类中心为初始聚类中心,进行Kmeans聚类计算。采用UCI标准数据集进行实验,证明改进后的DGK-Kmeans算法在聚类准确率和稳定性方面有很大提高。
关键词
Kmeans算法
高斯核函数
动态聚类中心
Keywords
Kmeans clustering
Gaussian kernel function
dynamic clustering center
分类号
TP312 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
一种改进的动态聚类非线性系统辨识算法
3
作者
王亚静
刘福才
张艳欣
董媛媛
机构
燕山大学西校区工业计算机控制工程河北省重点试验室
出处
《控制工程》
CSCD
北大核心
2010年第S2期85-88,共4页
基金
河北省自然科学基金资助项目(F2010001320)
文摘
对RBF网络中几种常用的聚类算法进行比较,分析了各种方法的优缺点,针对动态聚类法进行了改进,其最突出的缺点是距离门限值固定不变,不适于样本分布密度差异较大的数据集。在改进算法中,首先定义所有样本间的平均距离为聚类门限初值,按照奖罚制度动态调节各中心的距离门限值,然后对所有样本进行动态聚类,以输入样本的平均值作为聚类中心,用最小二乘法求的输出层权值。该算法具有在线自适应聚类能力,所得到的RBF网络是最优的。最后通过著名的煤气炉数据验证了该方法的有效性与实用性。
关键词
RBF网络
动态聚类中心
最小二乘算法
Keywords
RBF neural network
dynamic clustering center
least square algorithm
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
动态分配聚类中心的改进K均值聚类算法
程艳云
周鹏
《计算机技术与发展》
2017
24
下载PDF
职称材料
2
基于核函数动态分配聚类中心的DGK-Kmeans算法
张晋逢
孙忠林
《软件导刊》
2019
3
下载PDF
职称材料
3
一种改进的动态聚类非线性系统辨识算法
王亚静
刘福才
张艳欣
董媛媛
《控制工程》
CSCD
北大核心
2010
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部