基于可变聚类数k值的聚类算法在绩效考核中的应用

针对实际应用中聚类数k值可变问题,利用遗传算法的变长编码方式,设计了可变聚类数k值的聚类算法。在理论研究的基础上,把该算法应用到某高校职工绩效考核中,完成了对该校职工绩效考核的聚类实现,并对聚类结果进行分析和验证,得出一些有实际意义的结论,可为高校人事管理提供一定的参考和指导。

基于聚类数和初始值的K-means算法改进研究

原始的K-means算法,随机生成初始质心,事先给定聚类数k,在该前提下进行聚类,大大降低了聚类的效果。文章是对原始K-means算法的改进,提出了一种基于密度选取初始质心和采取遗传算法优化聚类数k的算法。该算法在一定程度上解决了初始质心和聚类数k对聚类精度和效率的影响,提高了聚类的准确率。最后文章通过实验证明了改进算法的有效性。

一种改进的K-means算法最佳聚类数确定方法

对BWP方法进行研究,从嵌入式NSTL个性化推荐的文本聚类需求入手,分析BWP方法的不足,提出一种改进的K-means算法最佳聚类数确定方法。对单一样本类的类内距离计算方法进行优化,扩展BWP方法适用的聚类数范围,使原有局部最优的聚类数优化为全局最优。实验结果可以验证该方法具有良好性能。