摘要
本文提出了一种基于直方图峰值优化的阶梯k-means聚类算法,本算法能够根据给定的K值,较快的得到初始聚类中心,能够很有效的减少迭代次数,得到的聚类结果很接近真实数据。
引文
[1]薛芯菊.基于Python的K-means算法及其应用[J].科技视界,2018(24):141-142.
[2]吴斌.相关性加权K-means算法的改进及其应用[D].江西理工大学,2018.
[3]J.R.Hershey,Z.Chen,J.Le Roux,and S.Watanabe,“Deep clustering:Discriminative embeddings for segmentation and separation,”in Proc.ICASSP,Mar.2016.
[4]陈利虎,张尔扬,沈荣骏.基于优化初始聚类中心K-Means算法的跳频信号分选[M].国防科技大学学报,2009