排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
基于半监督K-means的K值全局寻优算法 总被引：3，自引：0，他引：3
提出一种基于半监督K-means的K值全局寻优算法,该算法打破传统方法中采用样本类别作为K值的限定,利用少量标记数据即可指导和规划大量无监督数据.结合数据集自身的分布特点及聚类后各个簇内的监督信息,根据投票方法来指导簇中数据集的类别标记.实验表明,本文所提出的方法可以有效的寻找适合数据集的最佳K值和聚类的中心,提高聚类性能. 相似文献
1