本文關(guān)鍵詞： K均值算法 煙草零售終端 聚類分析 貨源投放 歐氏距離　出處：《科技通報(bào)》2015年12期 　論文類型：期刊論文

【摘要】：針對(duì)K均值算法在聚類分析中還存在對(duì)初始值異常的敏感、容易陷入局部最優(yōu)等問題,本文提出了一種基于相似度計(jì)算優(yōu)化和指標(biāo)加權(quán)優(yōu)化的改進(jìn)算法,首先采用歐式距離度量方式對(duì)傳統(tǒng)K均值算法中的相似度計(jì)算進(jìn)行優(yōu)化,避免其進(jìn)入局部最優(yōu),然后根據(jù)實(shí)際問題對(duì)聚類的指標(biāo)進(jìn)行加權(quán)優(yōu)化。實(shí)例仿真試驗(yàn)結(jié)果表明,本文提出的基于相似度計(jì)算優(yōu)化和指標(biāo)加權(quán)優(yōu)化的改進(jìn)K均值算法在煙草零售終端數(shù)據(jù)聚類分析中效果良好,有利于提高貨源投放的精準(zhǔn)化。
[Abstract]:In order to solve the problem that K-means algorithm is sensitive to initial value anomaly and easily fall into local optimum in clustering analysis, this paper proposes an improved algorithm based on similarity calculation optimization and index weighting optimization. Firstly, the Euclidean distance measure is used to optimize the similarity calculation in the traditional K-means algorithm to avoid its entering into the local optimum. Then according to the actual problems, the index of clustering is optimized by weight. The simulation results show that. In this paper, the improved K-means algorithm based on similarity calculation optimization and index weighted optimization is effective in clustering analysis of tobacco retail terminal data, and it is helpful to improve the precision of supply delivery.
【作者單位】： 陜西省煙草公司西安市公司;
【分類號(hào)】：F426.8;TP311.13
【正文快照】： 0引言主要功能就是能夠減少噪聲數(shù)據(jù)以及孤立點(diǎn)數(shù)據(jù)對(duì)聚類結(jié)果的影響,并且還能解決帶有符號(hào)屬性的數(shù)據(jù)針對(duì)調(diào)查數(shù)據(jù)的聚類分析算法,現(xiàn)階段國(guó)內(nèi)外的問題[4]。徐益峰提出了一類有關(guān)數(shù)據(jù)對(duì)象在空間分散學(xué)術(shù)專家都在研究該算法體系,從不同的方面提出了規(guī)律的全新類聚分析方案,此方

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 徐義峰;陳春明;徐云青;;一種改進(jìn)的k-均值聚類算法[J];計(jì)算機(jī)應(yīng)用與軟件;2008年03期

2 熊平;顧霄;;基于屬性權(quán)重最優(yōu)化的k-means聚類算法[J];微電子學(xué)與計(jì)算機(jī);2014年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊薇;;基于PPC-GA的細(xì)分模型在用電客戶劃分中的應(yīng)用[J];鞍山師范學(xué)院學(xué)報(bào);2011年02期

2 張仲明;于明光;郭東偉;;基于聚類的神經(jīng)網(wǎng)絡(luò)規(guī)則抽取算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年05期

3 顧洪博;趙萬平;;數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應(yīng)用[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

4 王崛;劉文杰;;小波聚類在多目標(biāo)定位中的應(yīng)用[J];四川兵工學(xué)報(bào);2012年07期

5 姜祖新;張德賢;張苗;李軍軍;;基于尺度不變特征的圖像分類技術(shù)研究[J];電腦知識(shí)與技術(shù);2012年09期

6 俞斌;;基于改進(jìn)的聚類分析算法在銀行業(yè)crm系統(tǒng)中的應(yīng)用研究[J];硅谷;2011年04期

7 衛(wèi)俊霞;相里斌;高曉惠;段曉峰;;基于K-均值聚類與夾角余弦法的多光譜分類算法[J];光譜學(xué)與光譜分析;2011年05期

8 石紅麗;王潔;唐艷;張小軍;;基于無線傳感器網(wǎng)絡(luò)的K均值算法研究[J];電子設(shè)計(jì)工程;2011年06期

9 雷宏;張著洪;;受約束的兩類數(shù)據(jù)分割算法及其應(yīng)用[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

10 王雅思;梁峗輝;;圖結(jié)構(gòu)在文本聚類中的應(yīng)用[J];大連民族學(xué)院學(xué)報(bào);2013年03期

相關(guān)博士學(xué)位論文 前2條

1 甘志剛;仿人機(jī)器人數(shù)字仿真與虛擬示教關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2009年

2 韓永明;能效評(píng)價(jià)方法研究及其在乙烯工業(yè)中的應(yīng)用[D];北京化工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李芳;腦機(jī)接口中腦電信號(hào)特征提取及分類算法研究[D];大連理工大學(xué);2010年

2 王仁彪;CRM智能客戶系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2011年

3 劉飛;強(qiáng)化學(xué)習(xí)方法在多機(jī)器人博弈系統(tǒng)中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2011年

4 肖維;基于有限混合模型的聚類算法及其應(yīng)用[D];中北大學(xué);2011年

5 周方;面向智能信息檢索技術(shù)的Web挖掘關(guān)鍵技術(shù)的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2011年

6 韓睿;車道偏離預(yù)警系統(tǒng)中軌跡預(yù)測(cè)方法的研究[D];燕山大學(xué);2011年

7 丁孝燕;復(fù)雜網(wǎng)絡(luò)聚類及其在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用研究[D];廣西師范學(xué)院;2011年

8 于歡;改進(jìn)分水嶺算法在醫(yī)學(xué)圖像分割中的應(yīng)用研究[D];河北工業(yè)大學(xué);2011年

9 鄧成呈;基于激光掃描傳感器的助行機(jī)器人路況檢測(cè)系統(tǒng)與3D地圖創(chuàng)建[D];上海交通大學(xué);2012年

10 歐陳委;K-均值聚類算法的研究與改進(jìn)[D];長(zhǎng)沙理工大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 武優(yōu)西;侯丹丹;李建滿;米少華;;屬性權(quán)重聚類算法的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2012年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于劍;論模糊C均值算法的模糊指標(biāo)[J];計(jì)算機(jī)學(xué)報(bào);2003年08期

2 李宇泊;李秦;;對(duì)k均值算法和硬C-均值算法的對(duì)比分析[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

3 劉艷麗;劉希云;;一種基于密度的K-均值算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年32期

4 劉艷麗;劉希玉;孟巖;祖?zhèn)?;K-均值算法聚類分析及其在人力資源管理中的應(yīng)用[J];山東科學(xué);2008年02期

5 宋凌;李枚毅;李孝源;;基于粒群優(yōu)化的K均值算法及其應(yīng)用[J];計(jì)算機(jī)工程;2008年16期

6 閆仁武;雷艷云;任平;李從;;粒子群的K均值算法在電信客戶細(xì)分中的應(yīng)用[J];科學(xué)技術(shù)與工程;2009年20期

7 黃超;何晉;;基于模糊C均值算法的云南草藥聚類分析[J];計(jì)算機(jī)應(yīng)用;2012年S2期

8 鄒海;李梅;;一種用于文本聚類的改進(jìn)二分K-均值算法[J];微型機(jī)與應(yīng)用;2010年12期

9 陳杰;朱娟;;基于簇間相似度判定的自適應(yīng)K均值算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年10期

10 劉霞;洪飛龍;;遺傳模糊C均值算法在入侵檢測(cè)中的應(yīng)用[J];信息安全與通信保密;2006年07期

相關(guān)會(huì)議論文 前3條

1 楊保峰;沈越泓;;模擬信源標(biāo)量量化的模糊c-均值算法[A];通信理論與信號(hào)處理新進(jìn)展——2005年通信理論與信號(hào)處理年會(huì)論文集[C];2005年

2 顏祥;俞一彪;戴志強(qiáng);袁冬梅;;基于均值算法的男女聲與情感的同步變換[A];2006’和諧開發(fā)中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2006年

3 韓敏;范劍超;;基于半監(jiān)督改進(jìn)模糊C均值算法的遙感聚類研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 鄭杰;基于改進(jìn)人工蜂群的K均值混合聚類算法及其應(yīng)用[D];江西理工大學(xué);2015年

2 蔣大宇;快速有效的并行二分K均值算法[D];哈爾濱工程大學(xué);2013年

3 汪浩平;基于K-均值的文本聚類分析[D];貴州大學(xué);2008年

4 朱建宇;K均值算法研究及其應(yīng)用[D];大連理工大學(xué);2013年

5 厲于行;聚類分析中基于投影的κ均值算法[D];浙江大學(xué);2012年

6 張超;SKK-均值算法及其在人臉檢測(cè)中的應(yīng)用[D];河北大學(xué);2010年

7 王嘉;模糊C-均值算法在拼車系統(tǒng)中的應(yīng)用[D];東北大學(xué)　;2009年

8 谷智明;基于模糊C均值算法的PS版瑕疵分類[D];長(zhǎng)春理工大學(xué);2012年

9 范光平;一種基于變長(zhǎng)編碼的遺傳K均值算法研究[D];浙江大學(xué);2007年

10 曹守營(yíng);基于并行K-均值算法的網(wǎng)絡(luò)廣告精確營(yíng)銷系統(tǒng)設(shè)計(jì)[D];山東科技大學(xué);2007年

，

本文編號(hào)：1489994