在聚类任务中,可以通过结合多个K-means聚类结果来得到更稳定的聚类结果。例如,可以采用Bagging或Boosting等集成学习方法来改进K-means算法。 综上所述,K-means算法虽然具有很多优点,但也存在一些局限性。通过采用上述改进方法,我们可以在一定程度上克服这些局限性,提高K-means算法的聚类效果和稳定性。在实际应用中,我们...
在李荟娆的硕士论文K_means聚类方法的改进及其应用中提到了基于2种测度的改进,改进后,可以去发现非负、类椭圆形的数据。但是对于这一改进,个人认为,并没有很好的解决K-means在这一缺点的问题,如果数据集中有不规则的数据,往往通过基于密度的聚类算法更加适合,比如DESCAN算法。 参考资料 李荟娆. K–means聚类方法...
优点:应用广泛,速度快,鲁棒性强;对于未知特性的数据集都可以先用K-means去试试。 缺点:有倒是有,只是题主并没有指明哪一类缺点,所以这里就说一个方向的缺点 ”Kmeans在聚类过程中同等的看待每个特征维度”,当出现下列情况的数据集时就不能很好的处理: 当数据集中存在噪音维度。假定某个数据集有5个特征维度,但...
[聚类算法]K-means优缺点及其改进 http://blog.csdn.net/u010536377/article/details/50884416 分类:聚类 ibelivehz 粉丝-0关注 -0 +加关注 0 0 升级成为会员 posted @2017-01-22 20:36ibelivehz阅读(109) 评论(0)编辑收藏举报