帮助 关于我们

返回检索结果

初始聚类中心优化的k-means算法
K-means Clustering Algorithm with Meliorated Initial Center

查看参考文献6篇

文摘 传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动.为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,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.实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性.
其他语种文摘 The traditional k-means algorithm has sensitivity to the initial start center. To solve this problem, a new method is proposed to find the initial start center. First it computes the density of the area where the data object belongs to; then finds k data objects all of which are belong to high density area and the most far away to each other, using these k data objects as the initial start centers. Experiments on the standard database UCI show that the proposed method can produce a high purity clustering result and eliminate the sensitivity to the initial start centers.
来源 计算机工程 ,2007,33(3):65-66 【核心库】
关键词 数据挖掘 ; 聚类 ; k-means算法 ; 聚类中心
地址

河北大学数学与计算机学院, 保定, 071002

语种 中文
文献类型 研究性论文
ISSN 1000-3428
学科 自动化技术、计算机技术
基金 河北省科技攻关项目 ;  河北省教育厅科学研究计划项目
文献收藏号 CSCD:2835098

参考文献 共 6 共1页

1.  朱明. 数据挖掘,2002:138-139 CSCD被引 9 次    
2.  MacQueen J. Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability,1967 CSCD被引 10 次    
3.  Wang Wei. STING:A Statistical Information Grid Approach to Spatial Data Mining. Proc.of the 23rd International Conference on Very Large Data Bases,1997 CSCD被引 1 次    
4.  Agrawal R. Automatic Subspace Clustering of High Dimensional Data for Data Mining Application. Proc.of ACM SIGMOD Intconfon Management on Data,1998:94-205 CSCD被引 2 次    
5.  Guha S. Cure:An Efficient Clustering Algorithm for Large Database. Proc.of ACM-SIGMOND Int.Conf.Management on Data,1998:73-84 CSCD被引 1 次    
6.  汤效琴. 数据挖掘中聚类分析的技术方法. 微计算机信息,2003,19(1) CSCD被引 1 次    
引证文献 47 篇

1 花海洋 聚类算法在银行客户细分中的应用 计算机工程,2008,34(24):37-39
CSCD被引 2 次

2 张永 基于数据分割和集成学习的大规模SVM分类算法 系统工程,2009,27(3):84-88
CSCD被引 0 次

显示所有47篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号