K-Means算法改进及优化
大小：0.92 MB 人气： 2017-12-05 需要积分：2
传统的k-means算法采用的是随机数初始化聚类中心的方法，这种方法的主要优点是能够快速的产生初始化的聚类中心，其主要缺点是初始化的聚类中心可能会同时出现在同一个类别中，导致迭代次数过多，甚至陷入局部最优出现错误的聚类结果。针对传统的k-means算法初始聚类中心的缺点，本文提出了p-K-means算法，该算法采用了数学几何距离的方法改进k-means算法中初始聚类中心分布不均匀的现象多个聚类中心出现在同一类簇中的现象，这种方法能避免k-means聚类算法聚类过程中陷入局部最优，另一方面降低了聚类过程中的反复迭代次数。本文通过实验的方式来对两个算法进行分析比较后发现改进的算法在收敛速度上优于传统k-means算法，也不容易陷入局部最优。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
K-Means算法改进及优化下载
相关电子资料下载
- 基于K-means聚类算法的图像分割 1113
- 物体检测与跟踪算法 974
- 大学课程 数据分析 实战之K-means算法（3）代码优化 286
- 大学课程 数据分析 实战之K-means算法（2）算法代码 334
- 大学课程 数据分析 实战之K-means算法（1）理论讲解 412
- YOLOv5中的autoanchor.py代码解析 1242
- K-means聚类算法指南 1040
- 基于距离的聚类算法K-means的设计实现 1939
- K-MEANS聚类算法概述及工作原理 3565
- 机器学习告诉你，新型冠状病毒接下来将如何变异？ 6703