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
基于加权聚类质心的 SVM 不平衡分类方法
机器学习
不平衡数据分类
聚类质心
支持向量机
一种DBSCAN聚类点密度的加权质心定位算法
无线传感器网络
聚类
DBSCAN
加权质心定位算法
共线度
基于样本对加权共协关系矩阵的聚类集成算法
聚类
聚类集成
共协矩阵
加权策略
基于样本加权的可能性模糊聚类算法
样本加权
可能性C-均值聚类
可能性模糊聚类
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)
1966
总下载数(次)
0
总被引数(次)
8997
论文1v1指导