-
公开(公告)号：CN111079788A
公开(公告)日：2020-04-28
申请号：CN201911127104.8
申请日：2019-11-18
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于密度Canopy的K-means聚类方法，以密度Canopy聚类作为K-means算法的预处理步骤，通过计算数据集的样本密度、簇内样本平均距离以及簇间距离，选取密度最大样本点为第一类聚类中心，并从数据集中去除初始密度簇；定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积，在余下数据集中以权值积最大依次确定聚类中心，直到数据集为空集，并把密度Canopy聚类结果作为K-means的类别数和初始聚类中心，最终进行数据集的聚类分析。选取UCI上的数据集对算法的有效性进行比较验证，结果表明：相比传统K-means算法、基于Canopy的K-means算法、半监督K-means++算法和K-means-u*算法，本发明提出的基于密度Canopy的K-means算法的聚类准确率均有所提高。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
