一种改进的多维度加权聚类算法

发布时间：2018-06-23 15:50

  本文选题：K-means + 多变量　； 参考：《科技通报》2017年12期

【摘要】：针对K-means聚类算法无法确定k值,并容易忽视在多维角度下进行聚类的缺点,本文提出了改进的多维度的加权的算法,在自适应K-means聚类算法的基础上引入了视图权重和变量权重,得到了包含多层变量的目标函数,通过数学证明使得目标函数最小化,得到最优的聚类效果。实验采用3个标准数据集作为聚类研究的对象,通过与FCM算法比较,说明了本文算法在聚类方面具有良好的效果。
[Abstract]:For K-means clustering algorithm can not determine k value, and it is easy to ignore the shortcomings of clustering in multi-dimensional perspective, this paper proposes an improved multi-dimensional weighted algorithm, which introduces view weight and variable weight on the basis of adaptive K-means clustering algorithm. The objective function containing multi-layer variables is obtained. The objective function is minimized by mathematical proof and the optimal clustering effect is obtained. In the experiment, three standard data sets are used as the object of clustering research. Compared with FCM algorithm, this algorithm has a good effect on clustering.
【作者单位】： 甘肃中医药大学;
【分类号】：TP311.13

【相似文献】

相关期刊论文 前4条

1 蔡秋茹;柳益君;罗烨;朱广萍;叶飞跃;;基于K-means聚类的电信企业客户分群决策[J];江南大学学报(自然科学版);2010年02期

2 张济强;高玉良;;遗传模拟退火算法在k-means聚类中的应用[J];电脑知识与技术;2012年07期

3 贾花萍;李尧龙;哈渭涛;史晓影;;K-means聚类神经网络分类器在睡眠脑电分期中的应用研究[J];河南科学;2012年06期

4 李学勇;高国红;孙甲霞;;基于互信息和K-means聚类的信息安全风险评估[J];河南师范大学学报(自然科学版);2011年02期

相关博士学位论文 前2条

1 蔡东琪;受控环境下灵长类动物行为模式分析与识别[D];北京邮电大学;2016年

2 朱素果;运动目标的跨尺度检测与跟踪方法研究[D];北京邮电大学;2016年

相关硕士学位论文 前10条

1 张灿龙;不确定DM-chameleon聚类算法在滑坡危险性预测的研究及应用[D];江西理工大学;2017年

2 程凯;聚类集成中基聚类器的优化研究[D];宁波大学;2017年

3 郭亚锐;面向大规模数据的多视角K-means聚类算法的研究[D];郑州大学;2017年

4 张亚男;基于混合聚类算法的微博热点话题发现的研究[D];杭州电子科技大学;2017年

5 霍佳佳;一种基于聚类的语义WEB服务发现方法研究[D];哈尔滨工程大学;2014年

6 曹晓锋;面向维度的高维聚类边界检测技术研究[D];郑州大学;2017年

7 栗国保;基于MapReduce的分布式聚类算法的研究[D];江西理工大学;2017年

8 许允栋;K-means聚类算法的改进与应用[D];广西师范大学;2015年

9 丁斌;基于布谷鸟算法的K-means聚类挖掘算法研究[D];合肥工业大学;2015年

10 贺艳芳;熵加权多视角核k-means聚类算法的研究[D];郑州大学;2016年

，

本文编号：2057647