基于密度的改进K均值算法及实现
传统的K均值算法的初始聚类中心从数据集中随机产生,聚类结果很不稳定.提出一种基于密度算法优化初始聚类中心的改进K-means算法,该算法选择相互距离最远的k个处于高密度区域的点作为初始聚类中心.实验证明,改进的K-means算法能够消除对初始聚类中心的依赖,聚类结果有了较大的改进.
聚类、K-均值算法、初始聚类中心、高密度区域
31
TP301(计算技术、计算机技术)
2011-04-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
432-434
点击收藏,不怕下次找不到~
聚类、K-均值算法、初始聚类中心、高密度区域
31
TP301(计算技术、计算机技术)
2011-04-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
432-434
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话:4000115888 举报邮箱:problem@wanfangdata.com.cn