一種聚類個(gè)數(shù)自適應(yīng)的聚類方法（簡(jiǎn)稱SKKM）
大?。?/span>0.82 MB 人氣： 2017-11-03 需要積分：0
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：SKKM(1931)
在數(shù)據(jù)挖掘算法中，K均值聚類算法是一種比較常見(jiàn)的無(wú)監(jiān)督學(xué)習(xí)方法，簇間數(shù)據(jù)對(duì)象越相異，簇內(nèi)數(shù)據(jù)對(duì)象越相似，說(shuō)明該聚類效果越好。然而，簇個(gè)數(shù)的選取通常是由有經(jīng)驗(yàn)的用戶預(yù)先進(jìn)行設(shè)定的參數(shù)。本文提出了一種能夠自動(dòng)確定聚類個(gè)數(shù)，采用SSE和簇的個(gè)數(shù)進(jìn)行度量，提出了一種聚類個(gè)數(shù)自適應(yīng)的聚類方法（簡(jiǎn)稱：SKKM）。通過(guò)UCI數(shù)據(jù)和仿真數(shù)據(jù)對(duì)象的實(shí)驗(yàn)，對(duì)SKKM算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明改進(jìn)的算法可以快速的找到數(shù)據(jù)對(duì)象中聚類個(gè)數(shù)，提高了算法的性能。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%