-
题名一种改进的基于局部密度的聚类算法
被引量：3
- 1
-
-
作者
关晓惠
钱亚冠
孙欣欣
-
机构
浙江水利水电学院
浙江科技学院理学院
-
出处
《电信科学》
北大核心
2016年第1期54-59,共6页
-
文摘
聚类分析一直是机器学习和数据挖掘领域一个比较活跃而且极具挑战性的研究方向。Alex提出的基于局部密度的聚类算法是一种快速、有效的聚类方法,但该方法通过手工选取确定聚类个数和聚类中心。为此,对原算法进行改进,在初步选取候选聚类中心的基础上,使用基于密度连通的算法优化选取聚类中心,然后使用大密度最近邻方法确定样本类别。实验证明,该方法能有效解决聚类个数和聚类中心无法确定的问题,同时在聚类评价指标上显示出较好的聚类效果和性能。
-
关键词
局部密度
类簇中心
评价指标
-
Keywords
local density； cluster center； evaluation criterion
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名一种改进的人工鱼群聚类算法
被引量：1
- 2
-
-
作者
李小培
张洪伟
邹书蓉
-
机构
成都信息工程学院计算机学院
-
出处
《成都信息工程学院学报》
2014年第5期485-490,共6页
-
文摘
为了克服K-Means算法对初始类簇中心、噪声点、孤立点敏感缺点,将K-Means算法和人工鱼群算法结合,提出了改进的人工鱼群聚类算法。在该算法中将类簇中心看作一条人工鱼,让每条人工鱼执行随机、觅食、聚群、追尾行为中的一种,并将更新后的位置作为K-Means算法的初始值,不断重复人工鱼的位置更新和K-Means操作,直到算法结束。由于在算法中加入了动态移动步长和全局人最优人工鱼位置,聚类的收敛精度和速度都得到提高。使用iris和glass数据集进行聚类时,与其他算法相比,文中的收敛时间缩短2.6%,精度提高1.36%。
-
关键词
聚类分析
人工鱼群算法
类簇中心
动态步长
全局最优解
-
Keywords
cluster analysis
artificial fish swarm algorithm
cluster centers
dynamically moving step
global optimal solution
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名数据挖掘的高校实验室管理水平评价模型
被引量：2
- 3
-
-
作者
陆爱武
-
机构
枣庄学院
-
出处
《现代电子技术》
2021年第11期130-134,共5页
-
基金
中国智慧工程研究会“十三五”特殊教育规划课题(ZKY20170326)。
-
文摘
构建数据挖掘的高校实验室管理水平评价模型,以提高实验室管理水平数据的聚类性能,进而全面评价实验室管理水平。该模型采用密度峰值发现聚类算法,通过局部密度和相对最小距离结合的参考量确定类簇中心,完成实验室管理数据的聚类中心建模,实现实验室数据聚类。依据聚类结果构建高校实验室管理水平评价指标体系,将评价指标作为决策树模型输入,通过计算各评价指标的信息增益和各评价指标对应的权重,实现高校实验室管理水平评价。经实验分析表明:该模型聚类平均耗时仅为0.0034 s,并且数据聚类的准确率、召回率和F-measure值均在0.95以上,能够完成实验室管理水平评价,且评价结果与实验室实际管理水平等级一致。
-
关键词
数据挖掘
高校实验室
管理水平
评价模型
类簇中心
决策树模型
-
Keywords
data mining
university laboratory
management level
evaluation model
clustering center
decision tree model
-
分类号
TN99-34
[电子电信—信号与信息处理]
TP311
[自动化与计算机技术—计算机软件与理论]
-
