一種聚類個數(shù)自適應(yīng)的聚類方法（簡稱SKKM）
大?。?/span>0.82 MB 人氣： 2017-11-03 需要積分：0
標簽：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的無監(jiān)督學習方法，簇間數(shù)據(jù)對象越相異，簇內(nèi)數(shù)據(jù)對象越相似，說明該聚類效果越好。然而，簇個數(shù)的選取通常是由有經(jīng)驗的用戶預先進行設(shè)定的參數(shù)。本文提出了一種能夠自動確定聚類個數(shù)，采用SSE和簇的個數(shù)進行度量，提出了一種聚類個數(shù)自適應(yīng)的聚類方法（簡稱：SKKM）。通過UCI數(shù)據(jù)和仿真數(shù)據(jù)對象的實驗，對SKKM算法進行了驗證，實驗結(jié)果表明改進的算法可以快速的找到數(shù)據(jù)對象中聚類個數(shù)，提高了算法的性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%