一种新的基于层次和K-means方法的聚类算法 | |
李文超 ; 周勇 ; 夏士雄 | |
2015-09-01 ; 2015-09-01 | |
关键词 | 聚类 K-means 层次聚类 轮廓系数 |
中文摘要 | 业界提出的传统H-K(Hierarchical K-means)聚类算法虽有效解决了K-means算法初始化中心选择的经验性和随机性,但昂贵的计算复杂度使其被难以广泛应用。本文提出一种新的基于层次和K-means的聚类算法,具有较优的计算复杂度。首先引入轮廓系数的概念,从而确定事先未知分类信息的数据集中所包含的最优聚类数Kopt;然后通过凝聚层次聚类的方法获得数据集的分布,确定初始聚类中心;最后利用K-means方法完成聚类。IRIS测试数据集的实验结果验证了该算法的有效性。 |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/11077] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 李文超,周勇,夏士雄. 一种新的基于层次和K-means方法的聚类算法[J],2015, 2015. |
APA | 李文超,周勇,&夏士雄.(2015).一种新的基于层次和K-means方法的聚类算法.. |
MLA | 李文超,et al."一种新的基于层次和K-means方法的聚类算法".(2015). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论