检索结果-维普期刊中文期刊服务平台

聚类中心初始化的新方法被引量：24: 1; 作者李春生王耀南《控制理论与应用》 EI CAS CSCD 北大核心 2010年第10期1435-1440,共6页; k-均值聚类算法易受初始聚类中心的影响而陷入局部最优解.现有聚类中心初始化方法尚未得到广泛认可.本文依据每个类内至少有一个数据稠密区,且处于不同类的数据稠密区比处于同一类的数据稠密区相距更远的假设,在数据集合上构造一棵最小... 展开更多; 关键词最小支撑树聚类中心初始化 k—means算法; 在线阅读下载PDF 职称材料

基于划分采样的初始聚类中心算法: 2; 作者李玮薛惠锋詹海亮《太原理工大学学报》 CAS 北大核心 2011年第4期334-337,共4页; 针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点... 展开更多; 关键词聚类中心初始化密度估计法限定初值算法 K—means算法; 在线阅读下载PDF 职称材料

一种基于Hadoop云计算平台的聚类算法优化的研究被引量：29: 3; 作者张石磊武装《计算机科学》 CSCD 北大核心 2012年第S2期115-118,共4页; 随着信息技术的飞速发展,需要处理的数据量急剧增长,聚类算法的研究面临着海量数据分析和处理的挑战。对K-means聚类算法的优化进行了深入的研究,提出了首先选定初始聚类中心的并行K-means聚类算法。对不同大小的数据集进行测试实验,证... 展开更多; 关键词云计算 HADOOP平台并行K-means MapReudce 初始化聚类中心; 在线阅读下载PDF 职称材料

基于知识量加权的直觉模糊均值聚类方法被引量：1: 4; 作者郭凯红吴峥李冬《计算机应用研究》 CSCD 北大核心 2023年第4期1088-1094,共7页; 针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再... 展开更多; 关键词知识测度直觉模糊均值聚类算法数据加权聚类中心初始化; 在线阅读下载PDF 职称材料

题名聚类中心初始化的新方法被引量：24: 1; 作者李春生王耀南; 机构广东商学院数学与计算科学学院湖南大学电气与信息工程学院; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2010年第10期1435-1440,共6页; 基金国家"863"计划重点资助项目(2007AA04Z224) 国家自然科学基金重点资助项目(60835004); 文摘 k-均值聚类算法易受初始聚类中心的影响而陷入局部最优解.现有聚类中心初始化方法尚未得到广泛认可.本文依据每个类内至少有一个数据稠密区,且处于不同类的数据稠密区比处于同一类的数据稠密区相距更远的假设,在数据集合上构造一棵最小支撑树,应用根树原理在其上搜索数据稠密区并估计其密度,从中选出密度大且足够分离的数据稠密区,以其内的点作为初始聚类中心,得到了一个聚类中心初始化的新方法.将此方法与现有的方法进行比较,仿真实验表明,本文方法性能更优越.; 关键词最小支撑树聚类中心初始化 k—means算法; Keywords cluster center initialization minimum spanning tree k-means algorithm; 分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于划分采样的初始聚类中心算法: 2; 作者李玮薛惠锋詹海亮; 机构西北工业大学自动化学院; 出处《太原理工大学学报》 CAS 北大核心 2011年第4期334-337,共4页; 基金国家自然科学基金资助项目(70873079) 山西省自然科学基金资助项目(2009011021-1); 文摘针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。; 关键词聚类中心初始化密度估计法限定初值算法 K—means算法; Keywords cluster center initialization density estimation refining initial algorithm K-means; 分类号 TP202.7 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名一种基于Hadoop云计算平台的聚类算法优化的研究被引量：29: 3; 作者张石磊武装; 机构北京信息科技大学计算机学院; 出处《计算机科学》 CSCD 北大核心 2012年第S2期115-118,共4页; 文摘随着信息技术的飞速发展,需要处理的数据量急剧增长,聚类算法的研究面临着海量数据分析和处理的挑战。对K-means聚类算法的优化进行了深入的研究,提出了首先选定初始聚类中心的并行K-means聚类算法。对不同大小的数据集进行测试实验,证明该优化算法具有更好的时间性、正确性和稳定性,适合于海量数据的分析和处理。; 关键词云计算 HADOOP平台并行K-means MapReudce 初始化聚类中心; Keywords Cloud computing Hadoop Parallel K-means MapReduce Clustering center initialization; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名基于知识量加权的直觉模糊均值聚类方法被引量：1: 4; 作者郭凯红吴峥李冬; 机构辽宁大学信息学院; 出处《计算机应用研究》 CSCD 北大核心 2023年第4期1088-1094,共7页; 基金国家自然科学基金资助项目(71771110) 辽宁省教育厅科学研究项目(LJKZ0094)。; 文摘针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。; 关键词知识测度直觉模糊均值聚类算法数据加权聚类中心初始化; Keywords knowledge measure intuitionistic fuzzy C-means method weighted data initialization of the cluster; 分类号 TP182 [自动化与计算机技术—控制理论与控制工程]; 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	聚类中心初始化的新方法	李春生王耀南	《控制理论与应用》 EI CAS CSCD 北大核心	2010	24	在线阅读下载PDF 职称材料
2	基于划分采样的初始聚类中心算法	李玮薛惠锋詹海亮	《太原理工大学学报》 CAS 北大核心	2011	0	在线阅读下载PDF 职称材料
3	一种基于Hadoop云计算平台的聚类算法优化的研究	张石磊武装	《计算机科学》 CSCD 北大核心	2012	29	在线阅读下载PDF 职称材料
4	基于知识量加权的直觉模糊均值聚类方法	郭凯红吴峥李冬	《计算机应用研究》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料