基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
从传统K-means算法对初始中心的敏感性分析出发,提出了一种优化初始聚类中心的算法.该算法结合一种改进的遗传算法和网络中心数学模型对初始中心进行优化,有效地解决了算法对初始聚类中心的敏感性问题,取得了较好的实验结果.
推荐文章
K-means聚类算法初始中心选择研究
K-means聚类算法
K个聚类中心
密度参数
K-means算法改进
基于密度的K-means聚类中心选取的优化算法
K-均值
数据挖掘
聚类中心
垂直中点
密度
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于聚类中心优化的k-means最佳聚类数确定方法
k-means聚类
初始聚类中心
样本密度
聚类数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 优化初始聚类中心的K-means算法
来源期刊 信息技术 学科 工学
关键词 K-平均算法 聚类中心 遗传算法 网络中心
年,卷(期) 2009,(2) 所属期刊栏目 软件技术与数据库
研究方向 页码范围 71-73,107
页数 4页 分类号 TP391
字数 3534字 语种 中文
DOI 10.3969/j.issn.1009-2552.2009.02.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴京慧 江西财经大学信息管理学院 20 233 9.0 14.0
2 刘强 江西财经大学信息管理学院 9 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (11)
同被引文献  (2)
二级引证文献  (0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(4)
  • 引证文献(4)
  • 二级引证文献(0)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-平均算法
聚类中心
遗传算法
网络中心
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导