| 一种改进的K均值聚类算法 |
| |
| 引用本文： | 孟佳娜,邓俐伶,于玉海,唐品忠.一种改进的K均值聚类算法[J].大连民族学院学报,2011,13(3):274-276. |
| |
| 作者姓名： | 孟佳娜 邓俐伶 于玉海 唐品忠 |
| |
| 作者单位： | 大连民族学院理学院,辽宁大连,116605 |
| |
| 基金项目： | 中央高校基本科研业务专项资金资助项目，大连民族学院教学改革项目 |
| |
| 摘 要： | 针对传统K均值算法中采取的欧氏距离计算相似性的不足,提出一种新的相似性计算方法,并将这种方法与欧氏距离的度量方法进行了比较。在UC I基准数据集上的实验表明,该方法有更稳定的聚类结果,是一种比较有效的聚类度量方法。
|
| 关 键 词： | 聚类分析 K均值算法 相似性 |
An Improved K-Means Clustering Algorithm |
| |
| MENG Jia-na,DENG Li-ling,YU Yu-hai,TANG Pin-zhong.An Improved K-Means Clustering Algorithm[J].Journal of Dalian Nationalities University,2011,13(3):274-276. |
| |
| Authors: | MENG Jia-na DENG Li-ling YU Yu-hai TANG Pin-zhong |
| |
| Institution: | MENG Jia-na,DENG Li-ling,YU Yu-hai,TANG Pin-zhong(College of Science,Dalian Nationalities University,Dalian Liaoning 116605,China) |
| |
| Abstract: | According to the disadvantages of calculating similarity based on traditional Euclidean distance of K-Means algorithm,a new similarity metrics method is presented.The given method is compared with the Euclidean distance of the K-Means clustering algorithm.The experiments based on UCI benchmark data sets showed that the method has more stable clustering results,and is an effective clustering metrics method. |
| |
| Keywords: | cluster analysis K-Means similarity |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
