作者:
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:
针对目前大多数聚类算法需要人为指定聚类簇数目的情况.在基于相似度阈值的聚类簇数目自动计算算法的基础上,改进初始样本的选择方式,提出改进的聚类簇数目自动计算算法。改进后的算法在选择初始样本时,优先使用靠近上一次迭代生成的聚类中心且与样本集中心的相似度较小的样本。改进后的算法不仅可以自动计算聚类簇数目。并且具有更好的稳定性和准确性。
推荐文章
一种面向大数据的快速自动聚类算法
谱聚类
粒子群优化
区域进化
自动聚类
一种改进的 DBscan聚类算法
DBscan
核心点
二次聚类
轮廓系数
一种改进CHAMELEON算法的聚类算法COCK
文本聚类
文档聚类
CHAMELEON
ROCK
算法
一种改进 NeuraI-Gas 算法的聚类新算法 CARD
Neural-Gas 算法
聚类算法
距离值
排序
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 一种改进的聚类簇数目自动计算算法
来源期刊 现代计算机:上半月版 学科 工学
关键词 相似度阈值 聚类中心 K-中心 聚类算法
年,卷(期) 2012,(10) 所属期刊栏目
研究方向 页码范围 13-16
页数 4页 分类号 TP391.41
字数 语种
DOI
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 李力沛 长江师范学院数学与计算机学院 12 2 1.0 1.0
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  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(5)
  • 参考文献(5)
  • 二级参考文献(0)
2012(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)
研究主题发展历程
节点文献
相似度阈值
聚类中心
K-中心
聚类算法
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
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导