期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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
1
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 分析 初始中心选取优化 k值优化 IDBI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