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
1
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
自适应K值的粒子群聚类算法
被引量：
10
1
作者
白树仁
陈龙
《计算机工程与应用》
CSCD
北大核心
2017年第16期116-120,共5页
传统K-means算法除了对初始聚类中心的选择非常敏感,易收敛到局部最优解外,还存在着K值难以确定的问题,不合适的K值往往会得到较差的聚类结果。而K值问题也是聚类分析中的一个重要的研究方向,在粒子群聚类算法的基础上,结合K-means算法...
传统K-means算法除了对初始聚类中心的选择非常敏感,易收敛到局部最优解外,还存在着K值难以确定的问题,不合适的K值往往会得到较差的聚类结果。而K值问题也是聚类分析中的一个重要的研究方向,在粒子群聚类算法的基础上,结合K-means算法,提出了自适应K值的粒子群聚类算法。当算法收敛时,可通过比较不同K值时全局最优适应度值之间的关系来决定K值的增大与减小。实验表明改进的算法可以有效指导K值的选取,并且具有较好的聚类效果。
展开更多
关键词
粒子群聚类算法
K-MEANS算法
自适应K值
收敛
在线阅读
下载PDF
职称材料
题名
自适应K值的粒子群聚类算法
被引量：
10
1
作者
白树仁
陈龙
机构
湖南大学湖南省超级计算长沙中心
湖南大学
信息科学与工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2017年第16期116-120,共5页
基金
国家科技支撑计划课题项目(No.2012BAH09B02)
长沙市重点科技计划项目(No.K1306004-11-1
+2 种基金
No.K1204006-11-1
No.K1112001-11)
湖南省重点研发计划项目(No.2015SK2087)
文摘
传统K-means算法除了对初始聚类中心的选择非常敏感,易收敛到局部最优解外,还存在着K值难以确定的问题,不合适的K值往往会得到较差的聚类结果。而K值问题也是聚类分析中的一个重要的研究方向,在粒子群聚类算法的基础上,结合K-means算法,提出了自适应K值的粒子群聚类算法。当算法收敛时,可通过比较不同K值时全局最优适应度值之间的关系来决定K值的增大与减小。实验表明改进的算法可以有效指导K值的选取,并且具有较好的聚类效果。
关键词
粒子群聚类算法
K-MEANS算法
自适应K值
收敛
Keywords
particle swarm optimization algorithm
K-means algorithm
self-adaptive K values
convergence
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
自适应K值的粒子群聚类算法
白树仁
陈龙
《计算机工程与应用》
CSCD
北大核心
2017
10
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
