一种改进的K-means动态聚类算法

发布时间：2017-11-29 06:15

  本文关键词：一种改进的K-means动态聚类算法

  更多相关文章： K-means 聚类分析 数据挖掘 动态聚类

【摘要】：传统的K-means算法通过不断的重复计算来完成聚类,聚类中心点的不断变化产生的一些动态变化信息将对聚类产生一定的干扰,且当数据量过大时,算法的时间开销和系统的I/O开销将大大增加,这严重影响了算法的性能。为此,论文提出一种改进的K-means动态聚类算法,该算法充分考虑了K-means聚类过程中信息的动态变化,通过为算法的终止条件设定标准值,来减少算法迭代次数,减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰,使算法达到更准确更高效的聚类效果。实验结果表明,当数据量较大时,相比于传统的K-means算法,改进后的K-means算法在准确率和执行效率上都有较大的提升。
【作者单位】： 郑州轻工业学院数学与信息科学学院;重庆师范大学计算机与信息科学学院;郑州轻工业学院计算机与通信工程学院;
【基金】：河南省科技攻关项目(No.122102210024;No.102102210544) 国家自然科学基金(No.61201447)
【分类号】：TP311.13
【正文快照】： 在数据大爆炸,“知识太贫乏”的时代,数据挖掘应运而生,聚类分析作为数据挖掘的重要分支,在信息化时代起着举足轻重的作用。聚类分析的目标在于将数据集分成若干个簇,并保证同一簇内的数据点相似度尽可能大,簇与簇之间数据点的相似度尽可能小。聚类操作是对事先未知的数据对象

【相似文献】

中国期刊全文数据库 前10条

1 魏娜;黄学宇;高山;;基于约简-优化原理的动态聚类算法研究[J];微计算机信息;2009年18期

2 王亚静;刘福才;张艳欣;董媛媛;;一种改进的动态聚类非线性系统辨识算法[J];控制工程;2010年S2期

3 毛布;田林;谢汶;;基于动态聚类的网上学员细分实证研究[J];四川理工学院学报(自然科学版);2010年06期

4 朱群雄,宣达婧,顾祥柏;基于关联函数的动态聚类算法及应用[J];计算机应用;2005年06期

5 蒋宁;吴春旭;;基于区间值数据动态聚类算法的客户市场细分[J];计算机应用与软件;2007年12期

6 王鹏宇;宋千;周智敏;;基于多测量动态聚类的压缩感知增强成像方法[J];电子与信息学报;2013年11期

7 张春英;刘保相;刘凤春;;基于SPA的动态聚类统计分析及其应用[J];计算机工程与设计;2006年20期

8 刘代彬,刘卫宁,宋伟;动态聚类在空袭目标类型识别中的应用[J];兵工自动化;2005年04期

9 朱根标;张凤鸣;董群立;;基于核函数和相似度的动态聚类算法[J];微电子学与计算机;2006年03期

10 张春英;刘凤春;刘保相;;多元SPA动态聚类统计分析及其应用[J];计算机工程与设计;2007年20期

中国重要会议论文全文数据库 前1条

1 祝煜;梁雪春;肖迪;;基于动态聚类RBF网络的小企业信贷预测研究[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

中国硕士学位论文全文数据库 前2条

1 黄丽娟;动态聚类新方法及最优聚类算法研究[D];扬州大学;2006年

2 邵姣竹;社会网络群体注意力分析方法研究[D];哈尔滨工程大学;2013年

，

本文编号：1236479