Q2丝Q:塑ScleflceandTechnologyInnovation Herald技术创新自适应的k-means聚类算法SA-K-means周慧芳1。2(1.江南大学信息学院 江苏无锡2141 22;2.盐城师范学院图书馆江苏盐城224002)摘要:传统的k—means聚类算法对初始聚类中心非常敏感,聚类的结果也常常随着初始聚奏中心而波动。为了降低聚类算法的这种敏感性,本文提出了...
本发明提供一种自适应k‑means聚类算法的用电可靠性评估方法,包括:获取用户数据;确定最大聚类中心数kmax和最小聚类中心数kmin;令聚类中心数k=kmin,对所述用户数据进行聚类;在最大聚类中心数kmax和最小聚类中心数kmin之间确定聚类中心数k值;选取最佳聚类中心数K0值下的聚类结果,得到用户用电特征。本发明通过先...
2.盐城师范学院图书馆 江苏盐城 224002) 摘要:传统的k--means聚类算法对初始聚类中心非常敏感,聚类的结果也常常随着初始聚类中心而波动 为了降低聚类算法的这种敏感 性,本文提 出了一种 自适应的聚类算法(sA—K—means),该方法通过计算数据对象区域的密度 ,选择相互距离最远的高密度区域的中心作 为初始聚类中心。
roughset;k-meansclusteringalgorithm;adaptive摘要:粗糙聚类是不确定聚类算法中一种有效的聚类算法,这里通过分析粗糙k-means算法,指出了其中3个参数wl,wu和ε设置时存在的缺点,提出了一种自适应粗糙k-means聚类算法,该算法能进一步优化粗糙k-means的聚类效果,降低对“噪声”的敏感程度,最后通过实验验证了算法的有效性...
KBAC一种基于K_means的自适应聚类_论文
为弥补kmeans算法的缺陷本文在kmeans算法的基础上先提出二分k均值算法即在算法初始时选出距离最远的两个对象作为初始中心形成两个初始簇从这些簇中选取一个继续分裂如此下去直到产生k个簇这种方法使得二分kmeans不太受初始化的困扰因为它执行每步只有两个质心 一种基于 K-means 的自适应聚类算法的研究 一种基于 K...
TECHNOLOGY AND DEVELOPMENT 自适应特征权重的K-means 聚类算法 1 2 , 李四海 满自斌 ( 1. , 730000 ; 2 . , 730050) 甘肃中医学院 甘肃 兰州 兰州理工大学 甘肃 兰州 : K-means , K-means 摘要 为提高传统 聚类算法在医学数据聚类中的准确率和稳定性 提出了一种自适应特征权重的 聚 AFW-K-means 。
一种自适应k_means聚类奇异值分解降噪有效秩阶次确定法,具体步骤如下: 步骤1.计算出聚类后类的中心值,即 式中,为类中元素个数。 步骤2.根据类相关性特性自定义了一个类相关性阈值,有 式中,的值是由聚类后的第一个有效的自适应解算出来,即的值要比小一个数量级,且。
具有自适应参数的粗糙k-means聚类算法
一种基于K—means的自适应聚类算法的研究