• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于聚类中心优化的k-means最佳聚类数确定方法

贾瑞玉 宋建林

贾瑞玉, 宋建林. 基于聚类中心优化的k-means最佳聚类数确定方法[J]. 微电子学与计算机, 2016, 33(5): 62-66,71.
引用本文: 贾瑞玉, 宋建林. 基于聚类中心优化的k-means最佳聚类数确定方法[J]. 微电子学与计算机, 2016, 33(5): 62-66,71.
JIA Rui-yu, SONG Jian-lin. K-means Optimal Clustering Number Determination Method Based on Clustering Center Optimization[J]. Microelectronics & Computer, 2016, 33(5): 62-66,71.
Citation: JIA Rui-yu, SONG Jian-lin. K-means Optimal Clustering Number Determination Method Based on Clustering Center Optimization[J]. Microelectronics & Computer, 2016, 33(5): 62-66,71.

基于聚类中心优化的k-means最佳聚类数确定方法

基金项目: 

国家自然科学基金项目(61202227)

详细信息
    作者简介:

    贾瑞玉,女,(1965-),副教授,硕士生导师.研究方向为智能算法与数据挖掘.

    通讯作者:

    宋建林(通讯作者),男,(1990-),硕士研究生.研究方向为数据挖掘.E-mail:435247994@qq.com.

  • 中图分类号: TP301.6

K-means Optimal Clustering Number Determination Method Based on Clustering Center Optimization

  • 摘要: k-means聚类算法是在确定的聚类数k下对数据集进行聚类,通常凭借先验规则假定一个k值,取值具有很大主观性;此外,k-means初始聚类中心的选择一般也是随机的,这使得k-means聚类经常出现聚类指标局部最优化,聚类结果不稳定.针对以上两个问题,结合密度法改进了k-means初始聚类中心点的选择,并在此基础上提出了一种确定k-means最佳聚类数的方法.实验结果证明,该方法可以得到更好的聚类结果,具有更高的准确性、更好的稳定性以及更优的收敛性.
  • 加载中
计量
  • 文章访问数:  134
  • HTML全文浏览量:  21
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-06-24
  • 修回日期:  2015-07-22

目录

    /

    返回文章
    返回