| 一種服務于K-means的初始中心選取方法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>3635 K | |
| 標簽： 聚類 初始中心 決策圖 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：聚類是數據挖掘領域最重要的技術之一，K-means是其中使用頻率最高的舉足輕重的聚類算法。然而，K-means算法表現嚴重依賴于初始中心，選取多少個初始中心以及選擇哪些數據點作為初始中心對K-means算法十分重要?；诖?，提出一種初始中心選取方法DPCC（Density Peak Clustering Centers）。DPCC方法基于密度和距離生成一個選取決策圖，將數據集中所有的密度峰值點凸顯出來。這些密度峰值點即為DPCC方法為K-means算法提供的初始中心。實驗表明，DPCC方法不僅可為K-means提供初始中心數量，還能有效提高K-means算法的準確度，并縮減K-means算法的執行時間。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2