一种优化初始中心的K-means聚类算法

针对传统K-means聚类算法对初始聚类中心的敏感性和随机性,造成容易陷入局部最优解和聚类结果波动性大的问题,结合密度法和最大化最小距离的思想,提出基于最近高密度点间的垂直中心点优化初始聚类中心的K-means聚类算法。该算法选取相互间距离最大的K对高密度点,并以这K对高密度点的均值作为聚类的初始中心,再进行Kmeans聚类。实验结果表明,该算法有效排除样本中含有的孤立点,并且聚类过程收敛速度快,聚类结果有更好的准确性和稳定性。

声乐新五论

本文介绍了新的声乐理论和方法,对传统唱法中一些有分歧、有争议的问题和一些始终讲不清楚(没有物理论证根据)只能用感觉来描述的观点加以阐述,也使很多声乐理论中的问题简单化、明朗化。同时能较快的、实用地解决一些传统唱法费时、费力才能解决,或者目前没有办法解决的问题。