一種改進的動態(tài)K-means聚類算法
所屬分類：技術(shù)論文
上傳者：aet
文檔大?。?span>364 K
所需積分：0分積分不夠怎么辦？
文檔介紹：針對初始聚類中心對傳統(tǒng)K-means算法的聚類結(jié)果有較大影響的問題，提出一種依據(jù)樣本點類內(nèi)距離動態(tài)調(diào)整中心點類間距離的初始聚類中心選取方法，由此得到的初始聚類中心點盡可能分散且具代表性，能有效避免K-means算法陷入局部最優(yōu)。通過UCI數(shù)據(jù)集上的數(shù)據(jù)對改進算法進行實驗，結(jié)果表明改進的算法提高了聚類的準(zhǔn)確性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。