基于在线梯度下降的Mini Batch K-Prototypes算法 |
| |
引用本文: | 贾子琪,万世昌,张腾飞,吉康毅,常雪瑞.基于在线梯度下降的Mini Batch K-Prototypes算法[J].南阳理工学院学报,2023(4):45-49. |
| |
作者姓名: | 贾子琪 万世昌 张腾飞 吉康毅 常雪瑞 |
| |
作者单位: | 南阳理工学院计算机与软件学院 |
| |
摘 要: | K-Prototypes算法每次迭代都需要花费大量时间来计算所有样本与每个簇中心的相异度以将其划分到各个聚类簇中,这导致K-Prototypes算法在处理大型数据集时运行时间急剧增加。根据在线梯度下降算法对K-Prototypes算法的迭代过程进行优化,减少算法每次迭代所需的计算量从而降低算法的时间复杂度,提升算法运行效率。实验结果表明,提出的基于在线梯度下降的K-Prototypes聚类算法,可以在不影响算法收敛性和有效性的前提下降低算法的时间复杂度,提升算法运行效率。
|
关 键 词: | K-Prototypes Mini Batch K-Prototypes 在线梯度下降 |
|
|