期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于密度和中心指标的Canopy二分K-均值算法优化
被引量：
8
1
作者
沈郭鑫
蒋中云
《计算机工程与科学》
CSCD
北大核心
2022年第2期372-380,共9页
针对二分K-均值算法由于随机选取初始中心及人为定义聚类数而造成的聚类结果不稳定问题,提出了基于密度和中心指标的Canopy二分K-均值算法SDC_Bisecting K-Means。首先计算样本中数据密度及其邻域半径;然后选出密度最小的数据并结合Can...
针对二分K-均值算法由于随机选取初始中心及人为定义聚类数而造成的聚类结果不稳定问题,提出了基于密度和中心指标的Canopy二分K-均值算法SDC_Bisecting K-Means。首先计算样本中数据密度及其邻域半径;然后选出密度最小的数据并结合Canopy算法的思想进行聚类,将得到的簇的个数及其中心作为二分K-均值算法的输入参数;最后在二分K-均值算法的基础上引入指数函数和中心指标对原始样本进行聚类。利用UCI数据集和自建数据集进行模拟实验对比,结果表明SDC_Bisecting K-Means不仅使得聚类结果更精确,同时算法的运行速度更快、稳定性更好。
展开更多
关键词
聚类
二分k-均值算法
密度
邻域半径
指数函数
中心指标
在线阅读
下载PDF
职称材料
基于改进的SVD算法和二分K-均值聚类算法的协同过滤算法
被引量：
3
2
作者
过金超
杨继纲
《轻工学报》
CAS
2020年第4期88-95,共8页
针对传统的协同过滤算法存在稀疏性较大和扩展性较差的问题,提出了基于改进的奇异值分解(SVD)算法和二分K-均值聚类算法的协同过滤算法.该算法首先利用改进的SVD算法对稀疏的用户-项目评分矩阵进行降维,获得用户隐含特征矩阵,然后运用二...
针对传统的协同过滤算法存在稀疏性较大和扩展性较差的问题,提出了基于改进的奇异值分解(SVD)算法和二分K-均值聚类算法的协同过滤算法.该算法首先利用改进的SVD算法对稀疏的用户-项目评分矩阵进行降维,获得用户隐含特征矩阵,然后运用二分K-均值聚类算法对相似用户进行聚类来提升算法的可扩展性,最后利用最近邻居集的评分修正目标用户的评分,以减小因矩阵分解导致用户信息丢失造成的误差.利用MovieLens 100K数据集进行的实验结果表明,与传统的基于用户的协同过滤算法、基于K-均值聚类的协同过滤算法和隐语义模型(LFM)算法相比,本文提出的算法能够有效提高推荐结果的准确性.
展开更多
关键词
个性化推荐
SVD
算法
二分
k-
均值
聚类
算法
协同过滤
矩阵分解
在线阅读
下载PDF
职称材料
题名
基于密度和中心指标的Canopy二分K-均值算法优化
被引量：
8
1
作者
沈郭鑫
蒋中云
机构
上海海洋大学信息学院
上海建桥学院信息技术学院
出处
《计算机工程与科学》
CSCD
北大核心
2022年第2期372-380,共9页
基金
上海市属高校应用型本科试点专业基金(Z32004-17-84)。
文摘
针对二分K-均值算法由于随机选取初始中心及人为定义聚类数而造成的聚类结果不稳定问题,提出了基于密度和中心指标的Canopy二分K-均值算法SDC_Bisecting K-Means。首先计算样本中数据密度及其邻域半径;然后选出密度最小的数据并结合Canopy算法的思想进行聚类,将得到的簇的个数及其中心作为二分K-均值算法的输入参数;最后在二分K-均值算法的基础上引入指数函数和中心指标对原始样本进行聚类。利用UCI数据集和自建数据集进行模拟实验对比,结果表明SDC_Bisecting K-Means不仅使得聚类结果更精确,同时算法的运行速度更快、稳定性更好。
关键词
聚类
二分k-均值算法
密度
邻域半径
指数函数
中心指标
Keywords
clustering
bisecting
k-
Means algorithm
density
neighborhood radius
exponential function
central index
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进的SVD算法和二分K-均值聚类算法的协同过滤算法
被引量：
3
2
作者
过金超
杨继纲
机构
郑州轻工业大学电气信息工程学院
出处
《轻工学报》
CAS
2020年第4期88-95,共8页
基金
国家自然科学基金河南省联合项目(U1704149)。
文摘
针对传统的协同过滤算法存在稀疏性较大和扩展性较差的问题,提出了基于改进的奇异值分解(SVD)算法和二分K-均值聚类算法的协同过滤算法.该算法首先利用改进的SVD算法对稀疏的用户-项目评分矩阵进行降维,获得用户隐含特征矩阵,然后运用二分K-均值聚类算法对相似用户进行聚类来提升算法的可扩展性,最后利用最近邻居集的评分修正目标用户的评分,以减小因矩阵分解导致用户信息丢失造成的误差.利用MovieLens 100K数据集进行的实验结果表明,与传统的基于用户的协同过滤算法、基于K-均值聚类的协同过滤算法和隐语义模型(LFM)算法相比,本文提出的算法能够有效提高推荐结果的准确性.
关键词
个性化推荐
SVD
算法
二分
k-
均值
聚类
算法
协同过滤
矩阵分解
Keywords
personalized recommendation
SVD algorithm
binary
k-
means clustering algorithm
collaborative filtering
matrix factorization
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于密度和中心指标的Canopy二分K-均值算法优化
沈郭鑫
蒋中云
《计算机工程与科学》
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
2
基于改进的SVD算法和二分K-均值聚类算法的协同过滤算法
过金超
杨继纲
《轻工学报》
CAS
2020
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
