初始聚类中心相关论文
密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到......
网络时代的高速发展,使得每时每刻都在产生着大量的数据信息。如何在这些具体应用数据中发现其潜藏的价值规律,从而获得有益信息,......
阐述K-means算法是一种根据距离作为划分标准的经典聚类算法，应用广泛，但其对初始聚类中心的选取具有依赖性和较强敏感性等问题。为......
期刊
区别于传统用户用电行为分析方法,提出一种以聚类算法为基础的双层聚类分析方法。该方法结合给出的内、外层变随机设置为有目的选......
随着数据爆炸时代的到来,如何高效快捷地挖掘出冗余数据中有价值的信息变得越来越重要。聚类分析是一种无标签、无监督学习的数据......
大学生的个体因素直接影响着大学生的就业状况,分析个体内驱因素可以预测大学生求职的能力.该文利用改进的K-means算法对大学生就......
目前,数据挖掘已经取得了显著进展并得到了广泛的应用。随着研究的不断深入,对于序列数据的挖掘逐步受到了国内外研究人员的广泛关......
图像分割属于图像处理的一种操作，它根据前期预定好的标准把图像中具有相同特征的区域划分到各个类别，在数字图像处理中有着极其重要......
医学图像分割因其重要应用价值,近年来已成为图像分割研究的热点问题。医学图像种类繁多,每类图像从不同的角度提供信息,如何有效......
数据挖掘是信息处理和数据库技术领域的前沿研究课题，是致力于数据分析和发现数据内部蕴含知识的技术。聚类分析是数据挖掘领域中的......
摘 要： 针对传统K-means算法的聚类不稳定性，提出一种基于相异度与邻域的初始聚类中心选择算法。该算法首先构造相异度矩阵，建立每个......
聚类是分析数据并挖掘潜在信息的一种有效手段.K-means聚类算法是一个基于划分且应用非常广泛的聚类算法,因此以改善运行效率和聚......
针对初始聚类中心不合理的选择会导致K-means算法的聚类结果局部最优,且降低聚类算法收敛速度的问题,提出一种基于近邻传播算法和......
聚类分析是数据挖掘的重要步骤之一,聚类分析能够初步探知未知数据的分布结构、属性特征,是一种无监督的数据分析过程。在信息社会......
作为现今社会普遍关注并使用的社交媒介,微博已经逐渐融入到日常生活中的方方面面。微博在带来成千上万条信息(包括微博博主主页信......
专利记录了发明创新的内容,包含了各学科的技术信息。专利作为技术发展的基石,不仅展现了最新的技术发展现状、还指导了各学科的技......
图像分割是图像分析中的重要环节,同时也是图像处理技术中的难点。人们不断引入新的方法和技术应用于图像分割。得益于模糊理论在......
针对K-means聚类算法对初始聚类中心敏感问题,提出1种结合方差与误差平方和的优化算法。首先,该算法基于方差和距离选取k个位于不......
针对模糊C-均值聚类算法存在对初始聚类中心敏感和聚类目标函数容易陷入局部最优的问题,提出了1种基于混沌差分进化模糊C-均值聚类......
聚类分析是数据挖掘的功能之一,是在训练数据不提供类标号的情况下按照最大化类内对象间的相似性、最小化不同类对象之间的相似性......
中图分类号：NA 文献标识码：A 文章编号：1671－7597（2011）0310019－01 0 引言 K-means算法是聚类分析中一种基本的聚类方法[1]，因其......
在传统的K-means聚类算法中,初始聚类是随机选取的,其聚类结果易随着不同的初始聚类中心波动。针对这一问题,首先采用最大距离积法......
传统聚类算法研究都是在假设数据集的对象、属性等方面满足独立性且服从同一分布的基础上进行的.然而现实中的数据往往是非独立同......
聚类算法作为网络时代研究数据挖掘技术的重要方法被各个应用领域广泛使用,但目前所使用的聚类算法,仅仅能够求得局部最优解,而忽......
传统K-means聚类算法通过欧式距离计算样本的相似度,将数据所有的属性特征均平等对待,忽略每个属性特征的不同贡献,导致样本相似度......
笔者提出一种改进的模糊K-Means聚类算法，通过合理选取初始聚类中心，在提高了分类准确率的同时在一定程度上避免了聚类结果陷入局部......
传统K均值聚类算法随机选取初始中心容易陷入局部极小，而且不能有效处理不规则数据集的边缘数据。针对这两个问题，提出一种改进K均值......
针对传统K-means聚类算法的聚类结果易随不同的初始聚类中心波动的问题,采用最大距离积法优化K-means聚类算法的初始聚类中心。传......
模糊C均值(FCM)聚类算法无法识别非凸数据,算法中基于欧式距离的相似性度量只考虑数据点之间的局部一致性特征而忽略了全局一致性......
K-means算法的聚类效果与初始聚类中心的选择以及数据中的孤立点有很大关联,具有很强的不确定性。针对这个缺点,提出了一种优化初......
针对seeded-K-means和constrained-K-means算法要求标签数据类别完备的限制,本文提出了基于不完备标签数据的半监督K-means聚类算......
针对传统K-means聚类算法对初始中心点比较敏感、易陷入局部最优,首先提出基于KD-树的初始聚类中心点选取方法。该方法通过建立KD-......
针对K-medoids聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种局部方差优化的K-medoids聚类算法,以期使......
FCM算法对初始聚类中心敏感，对噪声和孤立点敏感，容易受到数据分布的影响。本文的改进算法引入物理学上的数据场理论，用势函数来描述......
初始聚类中心的选择极大地影响了模糊C均值聚类算法的性能,一个好的初始聚类中心能显著加快算法的收敛速度和减少算法的运行时间。......
为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确......
针对K-means算法初始化时需要指定聚类数目，和随机选择初始聚类中心对聚类结果产生不稳定的问题，结合图论中最小生成树和层次算法的......
模糊C均值聚类 (FCM)是一种广泛采用的动态聚类方法 ,其聚类效果往往受初始聚类中心的影响。受自适应免疫系统对入侵机体的抗原产......
海面目标监视雷达能够实现目标回波的自动采集、自动跟踪，已在多个工程项目中推广应用．鉴于在海面目标监视雷达对目标侦测过程中，会出......
异常检测方法在电力领域有着广泛的应用,如设备故障检测和异常用电检测等.改进了传统Kmeans聚类随机选择初始聚类中心的策略;结合......
K-means聚类算法在数据挖掘聚类分析方法中是一个基本的、使用最广泛的划分算法。为了对数字图书馆中大量的数字资源进行更加有效......
在各种聚类算法中，基于目标函数的K-均值聚类算法应用最为广泛，然而，K-均值算法对初始聚类中心特别敏感，聚类结果易收敛于局部最优。为......
在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。......
针对传统的模糊C-均值算法FCM受初始聚类中心影响而易于收敛到局部极小值的问题，提出了具体的改进方法。初始聚类中心不再随机获取......
针对传统的模糊C均值(FCM)图像分割算法效率较低和分割结果对噪声敏感等问题,提出了一种改进的模糊C均值图像分割算法,可以有效地......
