聚類中心（cluster center）是2011年經全國科學技術名詞審定委員會審定發布的語言學名詞。
基本介紹
- 中文名：聚類中心
- 外文名：cluster center
- 所屬學科：語言學
- 發布時間：2011年
定義,出處,
定義
在聚類分析中的一個特殊樣本。用來代表某一類，其他樣本通過與它計算距離來決定是否屬於該類。
出處
《語言學名詞》
聚類中心
相關詞條
- 聚類中心
聚類中心（cluster center）是2011年經全國科學技術名詞審定委員會審定發布的語言學名詞。定義在聚類分析中的一個特殊樣本。用來代表某一類，其他樣本通過與它計算距離來決定是否屬於該類。1出處《語言學名詞》1...
- 一種改進的k-means初始聚類中心選取算法
《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...
- 聚類算法
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的聚類中心（該聚類中所有...
- 數據聚類(科學名詞)
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)，然後計算每個數據點到每個種子中心的距離，並把每個數據點分配到距離它最近的種子中心；一旦所有的數據點都被分配完成，每個聚類的聚類中心(種子中心)按照本聚類...
- 聚類分析
CURE(Clustering Using REprisentatives) 方法，它利用固定數目代表對象來表示相應聚類；然後對各聚類按照指定量（向聚類中心）進行收縮。ROCK方法，它利用聚類間的連線進行聚類合併。CHEMALOEN方法，它則是在層次聚類時構造動態模型。3 基於...
- K均值聚類算法
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。
- 逐步模糊聚類法
逐步模糊聚類法fuzay nonhierarchical Iustering又稱動態模糊聚類法。選定一批聚類中心，其指標能反映該類的特徵，將樣本向最近的聚類中心聚類。再根據分類結果確定新的聚類中心，其各項指標為該類中所有樣本的相應指標的平均鎮。然後計算...
- 模糊聚類分析
模糊劃分矩陣有無窮多個，這種模糊劃分矩陣的全體稱為模糊劃分空間。最優分類的標準是樣本與聚類中心的距離平方和最小。一個樣本是按不同的隸屬度屬於各類的，所以應同時考慮它與每一類的聚類中心的距離。算出最優模糊劃分矩陣後，還必須...
- 大數據環境下基於群體協同智慧型聚類的關鍵技術研究
引入格線劃分的思想，將大數據集劃分為小數據集，通過結構相似度矩陣來計算聚類中心的距離，在此基礎上實現數據分割、初始聚類和全局聚類，進而提出基於大規模數據集的近鄰傳播聚類算法。 將群體協同智慧型算法與密度峰值聚類算法相結合，提出...
- 無監督聚類
算法的第一步就是聚類中心的分配，在這一步中我們要把每一個點劃分給各自所屬的聚類中心，這個聚類簇的劃分步驟實際上就是在 對代價函式進行最小化。隨機初始化 如何初始化K均值聚類的方法將引導我們討論如何避開局部最優來構建K均值...
- 改進的FCM聚類醫學超聲圖像分割算法
《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...
- 聚類
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...
- 模糊c-均值聚類算法
假設樣本集合為X={x1 ，x2 ，…，xn }，將其分成c 個模糊組，並求每組的聚類中心cj （ j=1，2，…，C） ，使目標函式達到最小。套用 模糊聚類分析作為無監督機器學習的主要技術之一，是用模糊理論對重要數據分析和建模的方法，...
- 模糊目標聚類
是一軟劃分，V∈R是聚類中心。聚類分析 聚類分析是多維數據的統計分類方法。它與判別分析的最大差別是事先並不知道所需聚類的各個樣本各屬何類，甚至分類數也可能未知。因此聚類分析也稱為“無師可學”的分類。聚類分析中，首先需要...
- 基於改進的K-means聚類的多區域物流中心選址算法
《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...
- 近鄰傳播算法
近鄰傳播算法是一種基於近鄰信息傳遞的聚類算法，該算法以數據集的相似度矩陣作為輸入，算法起始階段將所有的樣本看作是潛在的聚類中心點，同時，將每個樣本點都視為網路中的一個節點，吸引力信息沿著節點連線遞歸傳輸，直到找到最優的類...
- K平均算法
而且，它們都使用聚類中心來為數據建模；然而k-平均聚類傾向於在可比較的空間範圍內尋找聚類，期望-最大化技術卻允許聚類有不同的形狀。k-平均聚類與k-近鄰之間沒有任何關係（後者是另一流行的機器學習技術）。算法描述 已知觀測集 ，...
- 數據挖掘算法
步驟2：更新簇中心，新的簇中心通過計算所有屬於該簇的對象的平均值得到。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...
- 最小距離判別法
方法仍舊是先選擇訓練區，計算參數，與最大似然判別不同處在於，這種方法不需要計算協方差矩陣，只需計算均值向量，用特徵空間中訓練樣本的均值點的位置作為聚類中心，進行被分類的點與各類中心點的距離比較，距離哪個類別中心最近就判為哪...
- 對象圖像分割
聚類方法 K-均值聚類法是一種將圖像分割成K個聚類的疊代技術。基本算法如下：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；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...
- 非監督分類
每一中心代表一個類別，按照某種相似性度量方法（如最小距離方法）將各模式歸於各聚類中心所代表的類別，形成初始分類。然後由聚類準則判斷初始分類是否合理，如果不合理就修改分類，如此反覆疊代運算，直到合理為止。與監督法的先學習後...
- 一種改進的K-means算法
《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...
- ISODATA
isodata，疊代自組織分析，通過設定初始參數而引入人機對話環節，並使用歸併與分裂的機制，當某兩類聚類中心距離小於某一閾值時，將它們合併為一類，當某類標準差大於某一閾值或其樣本數目超過某一閾值時，將其分為兩類。在某類樣本數目...
- Fuzzy-c means
1973年，Bezdek等人提出了FCM聚類算法，該方法用隸屬度確定每個數據點屬於某個聚類的程度，是作為早期硬C均值聚類（HCM）方法的一種改進。算法原理 設定 K 個聚類，給出初始隸屬度矩陣並歸一化。 根據隸屬度矩陣更新聚類中心。 更新隸屬...
- 自組織映射
與傳統的模式聚類方法相比，它所形成的聚類中心能映射到一個曲面或平面上，而保持拓撲結構不變。對於未知聚類中心的判別問題可以用自組織映射來實現。特點介紹 自組織神經網路是神經網路最富有魅力的研究領域之一，它能夠通過其輸入樣本學會...
- 模糊規則提取
這就使得提取出的規則沒有充分利用訓練樣本中所包含的信息，帶有很大的主觀性。由AVQ質心定理和AVQ收斂定理可知，進入平衡階段的競爭神經元的突觸矢量值可以看作模式類別的質心，即聚類中心。
- 模糊分類及其在光譜信息處理中的套用
2.3一種改進的可能模糊聚類算法(20)2.3.1PCA算法及其存在的問題(20)2.3.2改進的PCM與改進的PFCM(23)2.3.3實驗結果(27)2.4基於聚類中心分離的可能模糊聚類模型(31)2.4.1基於聚類中心分離的模糊C均值聚類(FCM_CCS)(31)2...
- 統計模式識別(統計分類方法)
（1） 從 n個數據對象任意選擇 k 個對象作為初始聚類中心；（2） 循環（3）到（4）直到每個聚類不再發生變化為止 （3） 根據每個聚類對象的均值（中心對象），計算每個對象與這些中心對象的距離；並根據最小距離重新對相應對象進行...
