本文關(guān)鍵詞： 二階差分 聚類 最佳聚類數(shù) 仿真實(shí)驗(yàn)　出處：《安徽大學(xué)學(xué)報(自然科學(xué)版)》2017年02期 　論文類型：期刊論文

【摘要】：多元統(tǒng)計數(shù)據(jù)的聚類是分析數(shù)據(jù)的一類非常重要方法,但是如何確定最佳聚類數(shù)往往是比較困難的.針對分析多元統(tǒng)計數(shù)據(jù)中應(yīng)用最廣泛的方法之一——K均值聚類方法,提出了一種新的二階差分統(tǒng)計確定最佳聚類數(shù)的方法,并將其與CH統(tǒng)計法、Gap統(tǒng)計法進(jìn)行了對比.實(shí)證分析表明,論文所提方法更為簡單而且有效.
[Abstract]:Clustering of multivariate statistical data is a very important method to analyze data, but it is difficult to determine the best clustering number. A new second-order difference statistics method for determining the best clustering number is proposed and compared with the Ch statistical method / Gap statistical method. The empirical analysis shows that the proposed method is simpler and more effective.
【作者單位】： 隴東學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院;隴東學(xué)院能源工程學(xué)院;西北師范大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院;
【基金】：甘肅省科技計劃基金資助項目(1606RJZM092,1506RJYM324)
【分類號】：O212.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田彥山;;基于山峰聚類的聚類上限確定方法[J];江西師范大學(xué)學(xué)報(自然科學(xué)版);2007年02期

2 趙超;舒紅;朱欣焰;戴上平;;氣象數(shù)據(jù)概化中的最佳聚類數(shù)研究[J];華中師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

3 高翠芳;吳小俊;;復(fù)雜生物數(shù)據(jù)集的聚類數(shù)自動確定方法[J];生物信息學(xué);2010年04期

4 謝娟英;馬箐;謝維信;;一種確定最佳聚類數(shù)的新算法[J];陜西師范大學(xué)學(xué)報(自然科學(xué)版);2012年01期

5 王凌峰;;基于構(gòu)成要素的聚類算法[J];統(tǒng)計與決策;2007年19期

6 程慈;柴瑞敏;;聚類數(shù)的自動確定[J];科技信息(科學(xué)教研);2008年14期

7 方世良;一個聚類數(shù)動態(tài)可調(diào)的水聲信號聚類算法[J];聲學(xué)學(xué)報;1996年S1期

8 李闖;端木京順;蔡忠義;高建國;;基于判斷矩陣的專家模糊核聚類組合賦權(quán)方法[J];控制與決策;2012年09期

9 田娟,王崇駿,李靜,陳兆乾;一個基于譜圖分割的簡單聚類算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年05期

10 張李軍;;改進(jìn)的FCM聚類算法的實(shí)現(xiàn)和有效性研究[J];硅谷;2009年10期

相關(guān)會議論文 前9條

1 高翠芳;吳小俊;;基于二階差分的聚類數(shù)自動確定方法[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

2 劉洋;江志綱;丁增喜;王大玲;鮑玉斌;于戈;;一種基于圖的聚類算法GB-Cluster[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

3 李浪波;傅彥;劉紅;;基于范例推理的網(wǎng)格和密度聚類算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

4 婁冬梅;陳明;朱有娜;;一種基于密度的無參數(shù)聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 魏昕路;洪志令;姜青山;;一種基于樣本縮減策略的新窗口式聚類算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

6 程尊平;周鼎;王晨;周皓峰;汪衛(wèi);施伯樂;;SDPHC——基于密度的分割和分層的自校聚類算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

7 張曉峰;王麗珍;陸葉;;一種基于屬性加權(quán)的不確定K-means聚類算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

8 蔡軍;袁華鵬;陳金海;施伯樂;;一種基于相似性分析的聚類新算法:PDS算法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2001年

9 胡仲義;郭超;王永炎;劉勝航;王宏安;;基于時間衰減和特征變量的數(shù)據(jù)流聚類算法[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 王振佳;基于基因表達(dá)數(shù)據(jù)的雙聚類算法研究[D];山東大學(xué);2016年

2 胡雅婷;可能性聚類方法研究及應(yīng)用[D];吉林大學(xué);2012年

3 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

4 周世兵;聚類分析中的最佳聚類數(shù)確定方法研究及應(yīng)用[D];江南大學(xué);2011年

5 楊燕;基于計算智能的聚類組合算法研究[D];西南交通大學(xué);2006年

6 馮永;基于計算智能的聚類技術(shù)及其應(yīng)用研究[D];重慶大學(xué);2006年

7 劉晨;高伸縮性聚類分析方法研究[D];哈爾濱工程大學(xué);2013年

8 王強(qiáng);局部疊加基因表達(dá)模式聚類分析方法研究[D];哈爾濱工業(yè)大學(xué);2012年

9 姜磊;混合演化聚類算法研究及其應(yīng)用[D];武漢大學(xué);2012年

10 尹學(xué)松;半監(jiān)督聚類分析策略設(shè)計及其拓展性研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 魏建東;K-means初始化算法研究[D];南京理工大學(xué);2015年

2 張依;基于MapReduce的k-means聚類算法并行化研究[D];中央民族大學(xué);2015年

3 劉嬋;蟻群與K均值聚類算法融合研究及其在用戶分群中的應(yīng)用[D];西南科技大學(xué);2015年

4 朱琪;基于減法聚類的混合算法研究[D];湖南科技大學(xué);2015年

5 韓偉森;聚類集成研究與應(yīng)用[D];貴州大學(xué);2015年

6 譚浩;K-Means算法改進(jìn)及其在森林健康評價中的應(yīng)用[D];中南林業(yè)科技大學(xué);2015年

7 嚴(yán)巍;以KPCA為核心的FCM算法改進(jìn)[D];成都理工大學(xué);2015年

8 汪娟;基于權(quán)重設(shè)計的聚類集成算法研究[D];重慶大學(xué);2015年

9 牛品菽;基于圖模型的高效聚類算法研究[D];北京交通大學(xué);2016年

10 蔡洪山;大數(shù)據(jù)分析中的聚類算法研究[D];安徽理工大學(xué);2016年

，

本文編號：1522039