K-means聚类算法的研究综述

来源 :现代计算机:中旬刊 | 被引量 : 0次 | 上传用户:macgrady333
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
K-均值聚类算法(K-means)是基于划分的聚类算法中的典型算法,针对K-means算法初始聚类中心存在对K依赖的缺陷,提出一种新的选取K-means算法初始聚类中心的方法,该方法提高聚类结果的有效性和稳定性;还提出一种极值选择法,将最大距离法和最小距离法相结合,进一步提高初始聚类中心选择的准确性。
其他文献
采用多核技术。通过使用Win32API、OpenMP、MPI三种并行模式将求解非线性方程的蒙特卡洛方法的串行方法并行化,得到5种并行化方法。根据数值试验结果,对各种并行方法进行比较,发
本刊采用结构式摘要,字数为200—300字,主要包括以下4个内容:①目的(Objective):研究的问题、目的或设想等;②方法(Methods):研究的基本设计,样本的选择、分组、处置方法,或研究对象(患者
目的建立大鼠小脑外形三维重构的可视化数据集。方法采用小脑连续切片,同时建立采集切片后的图像数据,切片经尼氏染色后,用数码相机采集图像,尼氏染色后的图像与切片时采集的图像配准,进行图层合并,获取原始图像数据库,并对数据库中的数据进行人工配准及分割,应用Amira4.1.1软件对分割后的数据库进行三维重建。结果获得大鼠小脑外形微细结构信息的数据库。结论本法是将传统的由组织切片进行三维重建技术与用于虚拟