一种改进的K-means数字资源聚类算法

• 作者: 李静 杨永涛
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-means算法 数字资源 相似度 初始聚类中心
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 107-109,113
• 页数: 4页
• 分类号: TP301.6
• 字数: 2419字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.06.027

摘要

K-means聚类算法在数据挖掘聚类分析方法中是一个基本的、使用最广泛的划分算法。为了对数字图书馆中大量的数字资源进行更加有效、快速的聚类，文中针对传统的K-means算法存在的问题，结合数字图书馆数字资源的特征，提出了一种改进的基于关键词特征向量的初始聚类中心选择算法，并在此基础上对传统的K-means聚类算法进行了改进，用于对数字资源进行聚类，并进行了算法的实验验证。通过对实验结果的分析证明，文中提出的算法降低了数字资源聚类的代价，提高了聚类的效率，从而验证了算法的可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静	燕山大学信息科学与工程学院	72	324	9.0	16.0
2	杨永涛	燕山大学信息化处	15	46	4.0	5.0