- 1、本文档共36页,其中可免费阅读11页,需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要:在大数据分析中,聚类算法作为一种十分有效的手段,在大数据的聚类中有着广泛的实际应用。Kmedian算法作为常用的聚类算法,距离度量的选取对其运行结果有着极其重大的影响。本文着重于选择不同的距离度量对k-median算法进行改进,分别使用了欧几里得距离,切比雪夫距离,曼哈顿距离,夹角余弦距离,闵可夫斯基距离,标准欧氏距离,Pearson距离,Spearman距离。收集了十三组数据,对这些数据进行MATLAB环境下的运行。最后根据评价指标NMI,Accuracy,ARI进行比较,根据的到的外部评价指标判断K-median算法使用哪一种距离度量得到的效果更好,进而得出本文的结论。关键词:
文档评论(0)