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:
为解决K‐M eans算法对初始聚类中心的敏感性,提出基于精细簇的K‐M eans稳定算法。采用基于密度算法的预分类技术来获得高密度的核心类,确定能够代表数据集结构的类层次树;根据类层次树中具有较高代表性的子类中心进行K‐M eans聚类,获得精细簇;按照层次树中的类归属合并精细簇,获得精确稳定的聚类效果。实验结果表明,该方法能够克服K‐M eans由于随机初始质心造成的结果不稳定性,一定程度上提高了聚类效果。
推荐文章
最大距离法选取初始簇中心的K-means文本聚类算法的研究
K-means聚类算法
最大距离
文本聚类
文本距离
测度函数
◢F◣度量值
基于增强蜂群优化与 K-means 的文本聚类算法
蜂群算法
公平操作
克隆操作
多样性
局部提炼
文本聚类
基于变异的k-means聚类算法
聚类
mk-means算法
变异
结合双粒子群和K-means的混合文本聚类算法
双粒子群
自调整惯性权值
信息交流
K-means算法
文本聚类
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 基于精细簇的K-Means文本聚类
来源期刊 计算机工程与设计 学科 工学
关键词 K-M eans 密度 预分类 层次树 精细簇
年,卷(期) 2015,(7) 所属期刊栏目 软件与算法
研究方向 页码范围 1794-1799
页数 6页 分类号 TP311.1
字数 3966字 语种 中文
DOI 10.16208/j.issn1000-7024.2015.07.023
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 王琴 南京信息工程大学计算机与软件学院 24 166 8.0 12.0
2 侯荣涛 南京信息工程大学计算机与软件学院 21 174 7.0 13.0
3 路郁 南京信息工程大学计算机与软件学院 4 36 3.0 4.0
4 周彬 南京信息工程大学电子与信息工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (130)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (16)
二级引证文献  (0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(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-M eans
密度
预分类
层次树
精细簇
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
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
总被引数(次)
161677
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导