原文服务方: 成都大学学报(自然科学版)       
摘要:
针对传统的以k-means为代表的分割聚类算法认为所有的聚类样本对聚类中心的影响都是相同的这一观点,提出基于样本加权的聚类算法,并采用实际数据集验证算法的有效性.实验表明,该算法比传统的k-means聚类算法具有更高的精确度.
推荐文章
基于距离阈值及样本加权的 K-means 聚类算法
距离阈值
样本加权
K-means ,轮廓系数
基于两种加权方式的模糊聚类算法
聚类分析
聚类中心
离群点
特征加权
样本加权
基于加权多宽度高斯核函数的聚类算法
加权多宽度高斯核
聚类
SVC
高斯核
基于绕质心聚类算法的大数据挖掘
大数据
分裂聚类
凝聚聚类
数据挖掘
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 基于质心的样本加权聚类算法
来源期刊 成都大学学报(自然科学版) 学科
关键词 k-means算法 聚类 样本加权 质心
年,卷(期) 2011,(2) 所属期刊栏目
研究方向 页码范围 168-170
页数 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1004-5422.2011.02.021
五维指标
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  (1)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
k-means算法
聚类
样本加权
质心
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
成都大学学报(自然科学版)
季刊
1004-5422
51-1216/N
16开
1982-01-01
chi
出版文献量(篇)
1947
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导