K-Means算法改進及優(yōu)化
大小：0.92 MB 人氣： 2017-12-05 需要積分：2
傳統(tǒng)的k-means算法采用的是隨機數(shù)初始化聚類中心的方法，這種方法的主要優(yōu)點是能夠快速的產(chǎn)生初始化的聚類中心，其主要缺點是初始化的聚類中心可能會同時出現(xiàn)在同一個類別中，導致迭代次數(shù)過多，甚至陷入局部最優(yōu)出現(xiàn)錯誤的聚類結(jié)果。針對傳統(tǒng)的k-means算法初始聚類中心的缺點，本文提出了p-K-means算法，該算法采用了數(shù)學幾何距離的方法改進k-means算法中初始聚類中心分布不均勻的現(xiàn)象多個聚類中心出現(xiàn)在同一類簇中的現(xiàn)象，這種方法能避免k-means聚類算法聚類過程中陷入局部最優(yōu)，另一方面降低了聚類過程中的反復迭代次數(shù)。本文通過實驗的方式來對兩個算法進行分析比較后發(fā)現(xiàn)改進的算法在收斂速度上優(yōu)于傳統(tǒng)k-means算法，也不容易陷入局部最優(yōu)。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
K-Means算法改進及優(yōu)化下載
相關電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 物體檢測與跟蹤算法 974
- 大學課程 數(shù)據(jù)分析 實戰(zhàn)之K-means算法（3）代碼優(yōu)化 286
- 大學課程 數(shù)據(jù)分析 實戰(zhàn)之K-means算法（2）算法代碼 334
- 大學課程 數(shù)據(jù)分析 實戰(zhàn)之K-means算法（1）理論講解 412
- YOLOv5中的autoanchor.py代碼解析 1242
- K-means聚類算法指南 1040
- 基于距離的聚類算法K-means的設計實現(xiàn) 1939
- K-MEANS聚類算法概述及工作原理 3565
- 機器學習告訴你，新型冠狀病毒接下來將如何變異？ 6703