本文關鍵詞：一種改進的K-means動態(tài)聚類算法

  更多相關文章： K-means 聚類分析 數據挖掘 動態(tài)聚類

【摘要】：傳統(tǒng)的K-means算法通過不斷的重復計算來完成聚類,聚類中心點的不斷變化產生的一些動態(tài)變化信息將對聚類產生一定的干擾,且當數據量過大時,算法的時間開銷和系統(tǒng)的I/O開銷將大大增加,這嚴重影響了算法的性能。為此,論文提出一種改進的K-means動態(tài)聚類算法,該算法充分考慮了K-means聚類過程中信息的動態(tài)變化,通過為算法的終止條件設定標準值,來減少算法迭代次數,減少學習時間;通過刪除由信息動態(tài)變化而產生的冗余信息,來減少動態(tài)聚類過程中的干擾,使算法達到更準確更高效的聚類效果。實驗結果表明,當數據量較大時,相比于傳統(tǒng)的K-means算法,改進后的K-means算法在準確率和執(zhí)行效率上都有較大的提升。
【作者單位】： 鄭州輕工業(yè)學院數學與信息科學學院;重慶師范大學計算機與信息科學學院;鄭州輕工業(yè)學院計算機與通信工程學院;
【基金】：河南省科技攻關項目(No.122102210024;No.102102210544) 國家自然科學基金(No.61201447)
【分類號】：TP311.13
【正文快照】： 在數據大爆炸,“知識太貧乏”的時代,數據挖掘應運而生,聚類分析作為數據挖掘的重要分支,在信息化時代起著舉足輕重的作用。聚類分析的目標在于將數據集分成若干個簇,并保證同一簇內的數據點相似度盡可能大,簇與簇之間數據點的相似度盡可能小。聚類操作是對事先未知的數據對象

【相似文獻】

中國期刊全文數據庫 前10條

1 魏娜;黃學宇;高山;;基于約簡-優(yōu)化原理的動態(tài)聚類算法研究[J];微計算機信息;2009年18期

2 王亞靜;劉福才;張艷欣;董媛媛;;一種改進的動態(tài)聚類非線性系統(tǒng)辨識算法[J];控制工程;2010年S2期

3 毛布;田林;謝汶;;基于動態(tài)聚類的網上學員細分實證研究[J];四川理工學院學報(自然科學版);2010年06期

4 朱群雄,宣達婧,顧祥柏;基于關聯函數的動態(tài)聚類算法及應用[J];計算機應用;2005年06期

5 蔣寧;吳春旭;;基于區(qū)間值數據動態(tài)聚類算法的客戶市場細分[J];計算機應用與軟件;2007年12期

6 王鵬宇;宋千;周智敏;;基于多測量動態(tài)聚類的壓縮感知增強成像方法[J];電子與信息學報;2013年11期

7 張春英;劉保相;劉鳳春;;基于SPA的動態(tài)聚類統(tǒng)計分析及其應用[J];計算機工程與設計;2006年20期

8 劉代彬,劉衛(wèi)寧,宋偉;動態(tài)聚類在空襲目標類型識別中的應用[J];兵工自動化;2005年04期

9 朱根標;張鳳鳴;董群立;;基于核函數和相似度的動態(tài)聚類算法[J];微電子學與計算機;2006年03期

10 張春英;劉鳳春;劉保相;;多元SPA動態(tài)聚類統(tǒng)計分析及其應用[J];計算機工程與設計;2007年20期

中國重要會議論文全文數據庫 前1條

1 祝煜;梁雪春;肖迪;;基于動態(tài)聚類RBF網絡的小企業(yè)信貸預測研究[A];江蘇省系統(tǒng)工程學會第十一屆學術年會論文集[C];2009年

中國碩士學位論文全文數據庫 前2條

1 黃麗娟;動態(tài)聚類新方法及最優(yōu)聚類算法研究[D];揚州大學;2006年

2 邵姣竹;社會網絡群體注意力分析方法研究[D];哈爾濱工程大學;2013年

，

本文編號：1236479