但由于K—means算法随机选择初始聚类中心,而初始聚类中心的选择对最终的聚类结果有着直接的影响,因此算法不能保证得到一个唯一的聚类结果。利用邻域模型中对象邻域的上下近似,定义了对象邻域耦合度和分离度的概念,给出了对象在初始聚类中心选择中的重要性,提出了一种初始聚类中心的选择算法。另外,分析了邻域模型中三种...
摘要: 针对K-Means算法所存在的问题,提出了一种改进的K-Means算法,该方法通过选取相互距离最远的数据点作为初始聚类中心,能够很好地排除随机选取初始聚类中心点的影响.通过实验验证,相对于传统K-Means算法,改进K-Means算法能够获得更好的聚类效果. 暂无资源 收藏 引用 分享 推荐文章 K-means聚类算法初始中心选择...
考试成绩是一所学校评估教学质量的重要依据之一.这些成绩中隐含着该校学生的学习能力和教师的教学水平,合理分析这些成绩对提高学校教学质量有很大的推动作用.文中改进了K-means聚类算法,并将此算法应用于职高学生试卷成绩分析中,首先对数据进行了预处理,然后使用改进K-means算法对学生试卷成绩进行了分析,并用所获得的结...