K-means和ISODATA聚类算法的比较研究

• 作者: 陈平生
• 来源期刊: 江西理工大学学报
• 学科: 工学
• 关键词: 聚类 动态聚类 K-means ISODATA
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 控制信息
• 页码范围: 78-82
• 分类号: TP391
• 字数: 3364字
• 语种: 中文

摘要

动态聚类是一种迭代重定位技术.全文阐述了K均值K-means)和迭代自组织数据分析技术(ISODATA,Iterative Self-Organizing Data Analysis Technique)两种动态聚类算法的基本思想,并通过对Iris数据集的实验,从初始中心的选取、数据输入顺序的敏感性、噪声数据的敏感性和聚类效果等角度对这两种算法进行了分析比较,结果说明两种方法各具特色.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平生	绍兴职业技术学院计算机系	18	73	4.0	8.0