《一種改進的全局K-均值聚類算法》是謝娟英,蔣帥等撰寫的一篇論文。
基本介紹
- 中文名:一種改進的全局K-均值聚類算法
- 論文來源:陝西師範大學學報(自然科學版)
- 發表時間:2010-03-10
- 作者:謝娟英,蔣帥
- 分類號:TP18
《一種改進的全局K-均值聚類算法》是謝娟英,蔣帥等撰寫的一篇論文。
《一種改進的全局K-均值聚類算法》是謝娟英,蔣帥等撰寫的一篇論文。論文摘要 將快速K中心點聚類算法確定初始中心點的思想套用於全局K-均值聚類算法,對其選取下一個簇的最佳初始中心的方法進行改進,提出選取下一個簇的最佳初始中心的一種...
《一種改進的K-means算法》是鞠薈薈撰寫的一篇論文。論文摘要 K-means算法以誤差平方和作為聚類準則函式,難以成功劃分大小不一、密度不均的類。為此,本文提出了一種改進的K-means算法,首先通過增加初始聚類中心選在小的類、疏的類的...
《改進的層次K均值聚類算法》是胡偉撰寫的一篇論文。論文摘要 針對傳統K均值聚類方法採用聚類前隨機選擇聚類個數K而導致的聚類結果不理想的問題,結合空間中的層次結構,提出一種改進的層次K均值聚類算法。該方法通過初步聚類,判斷是否達到理想...
《一種改進的k-means初始聚類中心選取算法》是王強、蔣正峰等撰寫的一篇論文。論文摘要 在傳統的k-means聚類算法中,聚類結果會隨著初始聚類中心點的不同而波動,針對這個缺點,提出一種最佳化初始聚類中心的算法。該算法通過計算每個數據對象...
《基於改進的K-means聚類的多區域物流中心選址算法》是魯玲嵐,秦江濤撰寫的一篇論文。論文摘要 針對當前多區域物流中心選址需建立配送中心個數不定、位置、覆蓋範圍不明的問題,本文提出了一種改進的k-means聚類算法,以城市經濟引力模型為...
《基於改進的K-means聚類算法的汽車市場競爭情報分析》是馬廷博、劉太安等撰寫的一篇論文。摘要 套用AHP(analytic hierarchy process)和EWM(entropy weight method),對中國A級轎車市場數據進行了分析量化處理,設計了競爭威脅數據...
k均值聚類算法(k-means clustering algorithm)是一種疊代求解的聚類分析算法,其步驟是,預將數據分為K組,則隨機選取K個對象作為初始的聚類中心,然後計算每個對象與各個種子聚類中心之間的距離,把每個對象分配給距離它最近的聚類中心。
《基於核函式的改進k-means文本聚類》是張國鋒,吳國文撰寫的一篇論文。論文摘要 通過對傳統k-means算法優缺點的研究分析,提出一種改進的k-means聚類算法。隨機初始化k/2個簇心,劃分最大的簇並刪除空簇,在更新簇心的同時判斷簇心位置...
k-均值算法是數據聚類的核心算法,是**入選數據挖掘領域的十大算法的聚類算法。在實際系統中使用的聚類算法基本就是k-均值算法。本書是第一部專門討論k-均值算法的著作,對k-均值算法的理論和方法、各類衍生算法、各種改進方法進行全面而...
《一種改進的FCM聚類算法的混合矩陣估計》是郭凌飛,張林波撰寫的一篇論文。論文摘要 在增強信號稀疏性的基礎上,對模糊C均值(fuzzy C-means, FCM)聚類算法進行改進,達到提高混合矩陣估計精度的目的,更好地解決欠定盲源分離問題。主要針對...
為了達到全局最優,基於劃分的聚類可能需要窮舉所有可能的劃分,計算量極大。實際上,大多數套用都採用了流行的啟發式方法,如k-均值和k-中心算法,漸近的提高聚類質量,逼近局部最優解。這些啟發式聚類方法很適合發現中小規模的資料庫中...
k均值聚類(k-means clustering)是2018年全國科學技術名詞審定委員會公布的生物物理學名詞。定義 一種動態聚類方法。在原始圖像集合(N個圖像)中隨機選擇k個原始圖像作為k個類,逐個分析剩餘圖像,計算該圖像與k個類之間的距離,將該圖像...
從統計學的觀點看,聚類分析是通過數據建模簡化數據的一種方法。傳統的統計聚類分析方法包括系統聚類法、分解法、加入法、動態聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。採用k-均值、k-中心點等算法的聚類分析工具已被加入到許多...
為了達到全局最優,基於劃分的聚類可能需要窮舉所有可能的劃分,計算量極大。實際上,大多數套用都採用了流行的啟發式方法,如k-均值和k-中心算法,漸近的提高聚類質量,逼近局部最優解。這些啟發式聚類方法很適合發現中小規模的資料庫中...
2)對葉節點進一步利用一個全局性的聚類算法,改進聚類質量。由於CF Tree的葉節點代表的聚類可能不是自然的聚類結果,原因是給定的閾值限制了簇的大小,並且數據的輸入順序也會影響到聚類結果。因此需要對葉節點進一步利用一個全局性的聚類...
k-modes算法是對k-means算法的擴展。k-means算法是在數據挖掘領域中普遍套用的聚類算法,它只能處理數值型數據,而不能處理分類屬性型數據。例如表示人的屬性有:姓名、性別、年齡、家庭住址等屬性。而k-modes算法就能夠處理分類屬性型數據...
與k 均值類似,“學習向量量化”(Learning Vector Quantization,簡稱LVQ) 也是試圖找到一組原型向量來刻畫聚類結構,但與一般聚類算法不同的是,LVQ假設數據樣本帶有類別標記,學習過程利用樣本的這些監督信息來輔助聚類。 [1] ...
為了達到全局最優,基於劃分的聚類可能需要窮舉所有可能的劃分,計算量極大。實際上,大多數套用都採用了流行的啟發式方法,如k-均值和k-中心算法,漸近的提高聚類質量,逼近局部最優解。這些啟發式聚類方法很適合發現中小規模的資料庫中...
基於約束的方法 是約束條件用於半監督聚類的另一主要方法。它以約束作為聚類目標的一部分直接作用於聚類算法, Re- nato Cordeiro de Amorim Birkbeck 等提出一種增強的K-means 聚類算法:基於約束條件少,有效提高效果, 雖然這一方法可以有...
利用K-means聚類算法對目標候選框的個數和寬高比維度進行聚類分析。用改進的YOLO V3算法和原YOLO V3算法在VEDAI數據集上進行對比實驗,結果表明改進後的YOLO V3算法能有效檢測小目標,對小目標的召回率和檢測的平均準確率均值都有明顯的...
(1)K-Means算法:又叫K均值算法,這是目前最著名、使用最廣泛的聚類算法。在給定一個數據集和需要劃分的數目k後,該算法可以根據某個距離函式反覆把數據劃分到k個簇中,直到收斂為止。K-Means算法用簇中對象的平均值來表示劃分的每個簇...
尤其是,AP算法不受初始點選擇的困擾,而且能夠保證收斂到全局最優。實際中,AP算法能獲得比k-means更穩定的結果。AP算法和譜聚類都是基於數據的相似矩陣進行聚類的,由於AP算法對數據的相似矩陣的對稱性沒有任何要求,因此,AP算法比譜聚類...
范凱波( 2011 年)通過研究群體智慧型計算,提出了基於貓群算法最佳化的 k - 均值聚類 算法,實現了車輛目標的分類。Orouskhani Maysam 等( 2011 年)為提高貓群算法的收斂性,在位置更新方程內增加一個新的參數作為慣性加權,在算法的追蹤...
《改進的FCM聚類醫學超聲圖像分割算法》是石振剛、李芹子撰寫的一篇論文。論文摘要 為解決模糊C均值聚類算法在進行醫學超聲圖像分割時聚類數目及初始聚類中心選取的問題,提出一種改進的模糊C均值聚類醫學超聲圖像分割算法。算法根據醫學超聲圖像...
K-means K-Means算法是以距離作為相似度的評價指標,用樣本點到類別中心的誤差平方和作為聚類好壞的評價指標,通過疊代的方法使總體分類的誤差平方和函式達到最小的聚類方法。(1) 從 n個數據對象任意選擇 k 個對象作為初始聚類中心;...