初始中心点相关论文
聚类分析是数据挖掘中的重要内容之一,是将数据对象按照相似性度量划分成各类簇的过程,并广泛的应用在数据挖掘,模式识别等领域。K......
随着计算机技术的飞速发展和人类的需求不断扩张,产生了大量的数据,从而迎来了大数据时代。为了从海量数据中挖掘出对人类有用的知......
摘要:K-prototypes算法是处理混合属性数据的主要聚类算法,但是存在对初值敏感、参数依赖和易受“噪声”干扰等问题。为了克服以上......
为了改善传统K-means算法在聚类过程中,聚类数目K难以准确预设,聚类结果受初始中心影响,对噪声点敏感,不稳定等缺点,同时针对文本......
由于传统K-medoids聚类算法对初始中心点敏感,计算迭代次数较高,存在聚类准确率不够高等缺点。为了解决中心点敏感问题,首先利用密......
超像素是近年来快速发展的一种图像预处理技术,被广泛应用于计算机视觉领域。简单线性迭代聚类(simple linear iterative clusteri......
k-means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用。由于k-means算法终止于一个局部最优状态，所以初始类中心点的......
传统聚类算法随机选取初始中心不能有效处理不规则数据集的边缘数据.该文主要叙述了K均值聚类算法基本思想和流程,详细分析了其算......
针对初始点选择不当导致K—means陷入局部最小值问题，提出一种结合自适应mean-shift与最小生成树（MST）的K—means聚类算法。将数据对......
K-means算法终止于一个局部最优状态,所以初始中心点的选择会在很大程度上影响其聚类效果。该文针对K-means算法所存在的问题,提出......
传统的k-means算法要求用户事先给定k值,限制了很多应用,初始中心点随机选择,容易导致局部极值点,常用的评价函数对于求解最优聚类......
针对私人微博内容进行聚类研究，结合私人微博的内容和结构特点提出了基于 K-means的改进聚类算法。通过添加引用和评论内容丰富了文......
K-medoids聚类分析具有对孤立点敏感度较低和良好的鲁棒性等特点,但由于初始聚类中心的选取和中心点迭代更新等,聚类精度和效率较......
针对现有的K—Means算法K值需要人工赋值、随机选取初始中心点、文本表示维度高且缺乏语义的缺陷，提出了一种基于概念格的K-Means算......
针对传统K-medoids 聚类算法对初始中心点敏感，以及迭代次数较高等缺点，提出一种可行的初始化方法和中心点搜索更新策略。新算法首先......
为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K-means算法的基础上,提出一种改进的K-means算法。首先将整体数......
K-means算法初始中心点选择的随机性以及对噪声点的敏感性,使得聚类结果易陷入局部最优解,为获得最佳初始聚类中心,提出一种基于距......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
模糊C-均值聚类算法是目前应用最广泛的聚类算法,但其仍然存在对孤立点敏感及对初始中心点依赖等问题.为此,提出了一种改进的基于......
期刊
针对模糊c均值聚类算法仅能处理低维数据不能处理稀疏高维数据集的缺点和对初始中心点敏感,容易陷入局部最优且不考虑类别间的相互......
传统k-means算法需要人为指定聚类数k,对初始中心点的选取比较敏感,只能发现球状簇.针对k-means算法的不足,提出了基于可变网格优......
针对k-means算法必须事先指定初始聚类数k,并且对初始聚类中心点比较敏感,聚类准则函数对求解的最优聚类数评价不理想,提出一种基......
为了改善传统K-Modes聚类算法相异度度量公式弱化了类内相似性,忽略了属性间差异,以及单一属性值的Modes忽视了某一属性可能存在多......
针对K-means算法所存在的问题,提出一种优化初始中心点的算法.采用密度敏感的相似性度量来计算对象的密度,启发式地生成样本初始中......
科学、准确的负荷分类对电力系统的规划和经济运行都具有重要意义。然而,随着电力系统的发展,负荷数据日益复杂,且电力用户类型多......
聚类分析是探索数据重要特征的一种有效的无监督数据挖掘方法，通过无监督方法自动识别对象空间中的稠密和稀疏区域的过程。在当今大......
针对传统K-means聚类算法对初始点敏感性问题,根据数据样本分布,采用启发式的方法选取初始聚类中心点,设计了一种均衡化评价函数,......
聚类分析可以自动发现数据集中隐含的簇类,是数据挖掘中非常富有挑战的研究领域。随着信息科学技术的快速发展,各行各业都积累了大......
针对K-Prototypes聚类算法中人为指定初始聚类中心和聚类数目导致算法准确度和稳定性低下的问题,提出了基于密度优化的K-Prototype......
模糊C均值(FCM)聚类算法对初始中心点敏感,不考虑类别间中心点的相互影响,且仅能处理低维数据。为此,设计一种改进的初始中心点选......
