- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于多叉树确定K值的动态K-means聚类算法
第27卷摇 第6期 计 算机 技 术 与发 展 Vol.27摇 No.6
2017年6月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 June摇 2017
基于多叉树确定K 值的动态K-means聚类算法
鲍黎明,黄摇 刚
(南京邮电大学计算机学院,江苏 南京 210003)
摘摇 要: -means聚类算法是基于划分的经典聚类算法之一,因其简洁、高效得到了广泛的应用。 -means算法具有容易
K K
实现、时间和空间复杂度较小的优点。 但该算法的初始聚类数 通常不能通过有效的手段事先确定,其初始聚类中心往
K
往是随机选取的,易收敛于局部最优解,造成聚类结果的不准确。 基于多叉树确定 值的动态 -means聚类算法是对传
K K
统算法的改进,力求在迭代过程中动态分裂合并簇来确定最合理的聚类数,并且能在一定程度上解决聚类结果收敛于局
部最优解的问题。 文中还探索了相应的数据模型以支持所改进算法的研究,并从横向与纵向两方面与二分 -means算法
K
作了对比实验。 实验结果表明,改进后的 -means算法不依赖于全局数据集,更适用于分布式平台运算;算法相对效率随
K
着数据集规模的增大,特别是在洪量数据集下具有明显的优势。
关键词: -means;聚类;分裂;合并;多叉树
K
中图分类号:TP301.6摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)06-0041-05
doi:10.3969/j.issn.1673-629X.2017.06.009
A Dynamic Clustering Algorithm of K-means Based on
Multi-branches Tree forK-values
BAO Li-ming,HUANG Gang
(School of Computer,Nanjing University of Postsand Telecommunications,
Nanjing210003,China)
Abstract:K-meansalgorithm isthe oneofmostclassicalclusteringalgorithmswithrepartitionandhasbeenwidelyusedbecauseit爷sre鄄
ally concise and efficient.What爷smore,it hasadvantages such asbeing easy to be implemented and low cost of complexity in running
time and storing space.However,it爷sno
文档评论(0)