《k-均值聚類》是2020年科學出版社出版的一本圖書，作者是劉馨月。
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。
k-平均聚類的目的是：把{\displaystyle n}個點（可以是樣本的一次觀察或一個實例）劃分到k個聚類中，使得每個點都屬於離他最近的均值（此即聚類中心）對應的聚類，以之作為聚類的標準。這個問題將歸結為一個把數據空間劃分為Voronoi ...
《k-均值聚類》是2020年科學出版社出版的一本圖書，作者是劉馨月。內容簡介 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...
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著名的統計分析軟體包中，如SPSS、SAS等。從機器學習的角度講，簇相當於隱藏模式。聚類是搜尋簇的無監督學習過程。與分類不同，無監督學習不依賴預先定義的類或帶類標記的訓練...
得到一種改進的全局K-均值聚類算法.改進後的算法不僅可以避免將噪音點作為下一個簇的最佳初始中心點,而且在不影響聚類效果的基礎上縮短了聚類時間.通過UCI機器學習資料庫數據以及隨機生成的人工模擬數據實驗測試,證明改進的全局K-均值聚類...
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...
《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...
(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...
本項目深入研究複雜多視圖高維數據的聚類方法。（1）提出了一種加權的多視圖k均值聚類策略，即在k均值聚類方法中引入了L2,1範數，從而減弱異常數據點對k-均值算法帶來的負面影響，得到更加魯棒的效果。（2）針對多視圖加權策略不能同時...
K均值算法 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。最小...
有鑒於此，本項目將聚焦於社會化媒體異構大數據的組合聚類研究，具體包括：1、將二元矩陣法的高效性和多效用函式的適應性結合起來，在廣義K-均值理論基礎上，建立快速組合聚類的理論框架；2、緊密結合社會化媒體異構大數據特徵，研究樣本劃分...
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...
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，我們之前沒有討論太多如何初始化聚類中心，有幾種不同的方法可以用來隨機初始化聚類中心,但是事實證明有一種效果最好的一種方法。1.當運行K-均值方法時，需要有一...
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（聚類中心所...
標準K-均值聚類的模型，該模型產生一些群集，每個群集都有一個中心。一種考慮這個過程的方式是待聚類的數據符合一些基於高斯過程的機率分布，每個機率分布的均值就是群集的中心。這些機率分布給出了以高斯分布的中心作為群集質心的數據出現在...
ISODATA算法是在k-均值算法的基礎上，增加對聚類結果的“合併”和“分裂”兩個操作，並設定算法運行控制參數的一種聚類算法。疊代次數會影響最終結果，疊代參數選擇很重要。算法簡介 全稱：Iterative Selforganizing Data Analysis Techniques ...
3、針對丟失空間位置信息的四個問題，提出顏色直方圖存在計算維數高、易受亮度變化影響、相近顏色缺少相關性以及丟失空間位置信息的四個問題，提出一種基於聚類的空間顏色直方圖方法。該方法首先對圖像進行k-均值聚類。然後在聚類圖上統計考慮...
第10章 利用K-均值聚類算法對未標註數據分組 184 10.1 K-均值聚類算法 185 10.2 使用後處理來提高聚類性能 189 10.3 二分K-均值算法 190 10.4 示例：對地圖上的點進行聚類 193 10.4.1 Yahoo! PlaceFinder ...
2.1.2聚類的算法 2.2 數據的降維（PCA）2.2.1 PCA基本概念 2.2.2 PCA原理 2.2.3 PCA的一般步驟 2.2.4數據的降維實例 2.3 模式相似性測度 2.3.1距離測度 2.3.2相似測度 2.3.3匹配測度 2.4 K-均值聚類 2.4.1...
開展腸道運動的多參數聯合估計，重點考慮基於傳播運算元的聯合估計算法設計；開展腸道運動定位及運動狀態評估，重點考慮腸道運動定位及運動狀態評估算法設計；開展腸道運動智慧型診斷方法的研究，重點考慮利用K-均值聚類算法來建立腸道運動模式分類器...
第12章 K-均值聚類 282 什麼是K-均值聚類? 285 聚類的套用領域 285 K-均值聚類方法非形式化描述：分區方法 286 K-均值距離函式 286 K-均值聚類形式化描述 287 K-均值聚類的MapReduce解決方案 288 K-均值算法Spark實現 292 第13...
9.1.2定序或定類數據的聚類分析189 9.1.3二值變數的聚類分析189 9.2二階聚類190 9.2.1二階聚類原理190 9.2.2二階聚類案例詳解191 9.3系統聚類194 9.3.1系統聚類原理194 9.3.2系統聚類案例詳解195 9.4K-均值聚類199 ...
第11章 聚類分析與判別分析 11.1 聚類分析與判別分析相關原理簡介 11.1.1 聚類分析 11.1.2 判別分析 11.2 K-均值聚類分析——K-means Cluster過程 11.2.1 K-均值聚類法基本原理 11.2.2 K-means Cluster過程界面操作介紹 11...
第6章 k-均值聚類算法 115 6.1 預備知識 115 6.2 k-均值聚類算法 120 6.3 基於年齡和地理經度的州長聚類算法 124 6.4 k-均值聚類問題及其擴展 128 6.5 實際套用 129 6.6 練習 130 第7...
第8章 聚類分析 147 8.1 層次聚類 148 8.2 K-均值聚類 149 8.3 果瓦係數與圍繞中心的劃分 150 8.3.1 果瓦係數 150 8.3.2 PAM 151 8.4 隨機森林 151 8.5 業務理解 152 8.6 數據理解與數據準備 152 8.7 ...
