1. 首页
  2. 编程语言
  3. 其他
  4. K_means算法的初始聚类中心的优化

K_means算法的初始聚类中心的优化

上传者: 2019-09-23 11:22:07上传 PDF文件 171.2KB 热度 35次
摘要:传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,选择相互距离最远的K个处于高密度区域的点作为初始聚类中心,理论分析与实验结果表明,改进的算法能取得更好的聚类结果。
用户评论
码姐姐匿名网友 2019-09-23 11:22:07

还可以,可以学点知识

码姐姐匿名网友 2019-09-23 11:22:07

用于初步学习有点难度

码姐姐匿名网友 2019-09-23 11:22:07

K-means算法的难点就是中心的选值,有所帮助,很好。

码姐姐匿名网友 2019-09-23 11:22:07

好东西,机器学习必看

码姐姐匿名网友 2019-09-23 11:22:07

计算效率对我的要求略不足