K均值聚类算法的研究与分析
详细信息 查看官网全文
- 英文论文题名：Research and Analysis of K-means clustering algorithm
- 论文作者：陶莹 ; 杨锋 ; 刘洋 ; 戴兵
- 英文论文作者：TAO Ying ; YANG Feng ; LIU Yang ; DAI Bing ; School of computer and electronic information ; Guangxi University
- 年：2016
- 作者机构：广西大学计算机与电子信息学院;
- 论文关键词：数据挖掘 ; k均值聚类 ; 中心点 ; 哈夫曼数
- 英文论文关键词：data mining ; k means ; center point ; Huffman Number
- 会议召开时间：2016-11-25
- 会议录名称：广西计算机学会2016年学术年会论文集
- 语种：中文
- 分类号：TP311.13
- 学会代码：GXJH
- 会议名称：广西计算机学会2016年学术年会
- 会议地点：中国广西南宁
- 主办单位：广西计算机学会
- 学会名称：广西计算机学会
- 页数：5
- 文件大小：154k
- 原文格式：D
- 会议级别：地方
摘要
k均值聚类算法被认为是聚类中最重要的无监督机器学习方法之一。由于k均值聚类算法具有简单易行和效率高等优点,它被广泛应用于数据挖掘、模式识别、知识发现等许多领域。但是,k均值聚类算法对初始值具有很大的依赖性,对噪声和离群点数据有很强的敏感性。本文介绍了k均值聚类算法的有关内容,通过全局化思想对k均值聚类算法进行了改进,提升了算法的稳定性,优化了聚类结果。
K means clustering algorithm is considered to be one of the most important unsupervised machine learning methods in clustering. Because the K mean clustering algorithm is simple and efficient, it is widely used in many fields such as data mining, pattern recognition, knowledge discovery and so on. However, K means clustering algorithm has a great dependence on the initial value, and it has a strong sensitivity to noise and outliers.This paper describes the content of the K means clustering algorithm,and the K means clustering algorithm is improved by the idea of global change. enhance the stability of the algorithm, and optimize the clustering results.
K means clustering algorithm is considered to be one of the most important unsupervised machine learning methods in clustering. Because the K mean clustering algorithm is simple and efficient, it is widely used in many fields such as data mining, pattern recognition, knowledge discovery and so on. However, K means clustering algorithm has a great dependence on the initial value, and it has a strong sensitivity to noise and outliers.This paper describes the content of the K means clustering algorithm,and the K means clustering algorithm is improved by the idea of global change. enhance the stability of the algorithm, and optimize the clustering results.
引文
[1]周涛,陆惠玲,等.数据挖掘中聚类算法研究进展[J].计算机工程与应用,2012.
[2]杨阳.数据挖掘K-means聚类算法的研究[D].湖南师范大学,2015.
[3]吴晓蓉.K均值聚类算法初始中心选取相关问题的研究[D].湖南:湖南大学,2008.
[4]王昊雷.K均值聚类算法研究与应用[D].哈尔滨工程大学,2015.
[5]罗军锋,锁志海.一种基于密度的k-means聚类算法[J].微电子学与计算机,2014.
[6]张莉.数据挖掘研究现状及发展趋势[J].赤峰学院学报:自然科学版,2014.
[7]李宇泊.K均值算法初始聚类中心选取相关问题研究[D].兰州交通大学,2012.
[8]朱建宇.K均值算法研究及其应用[D].大连:大连理工大学,2013.
[9]赵丽.全局k均值聚类算法研究与改进[D].西安:西安电子科技大学,2013.
[10]刘莉莉.K-均值聚类算法的研究与改进[D].曲阜:曲阜师范大学,2015.
[11]张建萍.基于计算智能技术的聚类分析研究与应用[D].济南:山东师范大学,2014
[2]杨阳.数据挖掘K-means聚类算法的研究[D].湖南师范大学,2015.
[3]吴晓蓉.K均值聚类算法初始中心选取相关问题的研究[D].湖南:湖南大学,2008.
[4]王昊雷.K均值聚类算法研究与应用[D].哈尔滨工程大学,2015.
[5]罗军锋,锁志海.一种基于密度的k-means聚类算法[J].微电子学与计算机,2014.
[6]张莉.数据挖掘研究现状及发展趋势[J].赤峰学院学报:自然科学版,2014.
[7]李宇泊.K均值算法初始聚类中心选取相关问题研究[D].兰州交通大学,2012.
[8]朱建宇.K均值算法研究及其应用[D].大连:大连理工大学,2013.
[9]赵丽.全局k均值聚类算法研究与改进[D].西安:西安电子科技大学,2013.
[10]刘莉莉.K-均值聚类算法的研究与改进[D].曲阜:曲阜师范大学,2015.
[11]张建萍.基于计算智能技术的聚类分析研究与应用[D].济南:山东师范大学,2014