《一種改進的K-means算法》是鞠薈薈撰寫的一篇論文。
《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...
發現採用改進後方法選取的初始類中心的k-means算法比隨機選取初始聚類中心算法有相對較高的準確率和穩定性。引文格式 韓凌波,王強,蔣正鋒,郝志強.一種改進的k-means初始聚類中心選取算法[J].計算機工程與套用,2010,46(17):150-152.
《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...
使用這個基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法；層次法 層次法(hierarchical methods)，這種方法對給定的數據集進行層次似的分解，直到某種條件滿足為止。具體又可分為“自底向上”和“自頂向下”兩種方案。例如，在...
《一種改進的RBF神經網路學習算法》是馬駿、尉廣軍撰寫的一篇論文。論文摘要 提出一種基於減聚類、K-means算法及改進的粒子群最佳化(PSO)算法的徑向基函式(RBF)神經網路混合學習算法.該算法首先使用減聚類確定隱層節點數和K-means初始聚類...
Dhillon[29]在此基礎上，又研究了加權核k-means的目標函式，將其與Ncut目標函式建立聯繫，提出了一個可以單調遞減Ncut值的新穎的加權核k-means算法。Ncut是一個很好的聚類目標函式。它的求解是一個NP難問題。傳統的方法是寬鬆的譜鬆散...
k-means 算法的工作過程說明如下:首先從n個數據對象任意選擇k 個對象作為初始聚類中心;而對於所剩下其它對象,則根據它們與這些聚類中心的相似度(距離),分別將它們分配給與其最相似的(聚類中心所代表的)聚類;然後再計算每個所獲新聚類...
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效地提高輸出效果,但是,當增加約束條件或增加樣本集的情況...
2007年,Frey和Dueck在《Science》上首次提出了近鄰傳播算法,能夠在較短的時間內處理大規模數據集,得到較理想的結果。該方法是一種基於實例的方法(Instance-based),與經典的k-means算法具有相同的目標函式,但其在算法原理上與k-means算法...
針對複雜場景下行人檢測效果差的問題,採用基於深度學習的目標檢測中領先的研究成果,提出了一種改進的Mask R-CNN網路框架的行人檢測算法。首先,採用K-means算法對行人數據集的目標框進行聚類得到合適的長寬比,通過增加一組長寬比(2:5...
針對YOLOv3檢測紅外視頻圖像行人時存在準確率低、漏檢率高的問題,提出一種改進的YOLOv3紅外視頻圖像行人檢測算法。根據行人在紅外圖像中呈現寬高比相對固定的特點,利用k-means聚類方法選取目標候選框個數和寬高比維度,調整網路參數並提高...
AGNES算法在K-means算法中的套用. 《 CNKI 》 , 2011 曾佳軍. 改進的AGNES算法在羽毛球技戰術分析中的套用. 《 CNKI 》 , 2009 張磊. 基於聚類算法的中文自動文摘方法研究. 《 廈門大學 》 , 年 黃興,劉小青,曹步清等. ...
該算法首先對社會網路的Jaccard相似係數矩陣中的零元素進行處理得到改進的Jaccard相似係數矩陣;然後基於譜平分法思想將改進的矩陣標準化,並選取適當的特徵向量維數;最後套用K-means聚類算法劃分社團。基於三個經典社會網路數據集的社團劃分實驗...
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...
使用這個基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法；層次法 層次法(hierarchical methods)，這種方法對給定的數據集進行層次似的分解，直到某種條件滿足為止。具體又可分為“自底向上”和“自頂向下”兩種方案。例如，在...
7.3.2 k-d樹版本 157 7.4 項目實戰 161 7.4.1 準備數據 162 7.4.2 模型訓練與測試 163 第8章 K-Means 167 8.1 K-Means 167 8.1.1 距離的度量 168 8.1.2 聚類算法的性能 169 8.1.3 K-Means算法 171 8.2 ...
3.1 遺傳算法概述 3.2 標準遺傳算法 3.3 遺傳算法染色體編碼 3.4 適應度函式 3.5 遺傳運算元 3.6 遺傳算法的改進 3.7 本章小結 參考文獻 第4章 混合併行遺傳算法及其在文本聚類中的套用 4.1 k-means算法初始聚類中心...
全書內容共12章,分別介紹R軟體的使用方法、C4.5算法、k-means算法、CART算法、Apriori算法、EM算法、PageRank算法、AdaBoost算法、kNN算法、Naive Bayes算法、SVM算法及各算法的案例分析。本書理論部分簡單明了,所有程式均經過R軟體實際...
1 劃分方法(PAM:PArtitioning method) 首先創建k個劃分，k為要創建的劃分個數；然後利用一個循環定位技術通過將對象從一個劃分移到另一個劃分來幫助改善劃分質量。典型的劃分方法包括：k-means,k-medoids,CLARA(Clustering LARge ...
給定樣本集 ,‘k-均值’ (k-means)算法針對聚類所得簇劃分 最小化平方誤差其中, 是簇 的均值向量。直觀看來,上式在一定程度上刻畫了簇內樣本圍繞均值向量的緊密程度,E值越小,則簇內樣本相似度越高。
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小規模的資料庫中的球狀簇。為了發現具有複雜形狀的簇和對超大型數據集進行...
聚類算法一般有五種方法，最主要的是劃分方法和層次方法兩種。劃分聚類算法通過最佳化評價函式把數據集分割為K個部分，它需要K作為 輸人參數。典型的分割聚類算法有K-means算法, K-medoids算法、CLARANS算法。層次聚類由不同層次的分割聚類...
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,其大致的步驟是,首先從隨機抽取的k個數據點作為初始的聚類中心(種子中心)...
使用這個基本思想的算法有:K-MEANS算法、K-MEDOIDS算法、CLARANS算法;層次法 (hierarchical methods):這種方法對給定的數據集進行層次似的分解,直到某種條件滿足為止。具體又可分為“自底向上”和“自頂向下”兩種方案。例如在“自底向上...
目前許多經典聚類算法如文獻中提到的K-Means 和K-medoid 方法, 大部分都是針對低維數據的, 然而現實中大部分數據都是高維的, 於是引入“特徵選擇”來降低數據的維度, 但這樣容易導致丟失數據的信息, 為了消除“降維”帶來的負面影響,...
SVM算法的實質是找出一個能夠將某個值最大化的超平面，這個值就是超平面離所有訓練樣本的最小距離。這個最小距離用SVM術語來說叫做間隔(margin)。 概括一下，SVM分類器就是最優分割超平面最大化訓練數據的間隔。K-means K-Means算...
