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:
K‐均值聚类算法因具有实现简单、快速有效、适合处理大数据集等优点而被广泛应用。但是由于初始聚类中心是随机选择的,K‐均值聚类的结果对初始中心值具有很大的依赖性。另一方面,聚类的类数 K 也对聚类结果具有重要影响,一般情况下 K 是未知的,需要相关的专业知识对 K 进行预测,如果不能事先确定合适的 K 值,聚类的结果也会很不理想。本文提出一种改进的 K‐均值算法,避开了初始中心点的随机选择,只需计算数据集合中相距最远的两个点将其设为初始中心,同时不需要预先猜测聚类的数目,大大减小了用户的使用难度,聚类效果也显著提高。论文将改进的 K‐均值算法应用到自然雷电脉冲的分类中,并与传统 K‐均值算法的分类结果进行了比较。
推荐文章
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
基于MapReduce框架下K-means的改进算法
MapReduce框架
K-means算法
数据挖掘
聚类分析
基于量子蚁群改进的K-means算法
量子计算
蚂蚁算法
K-means算法
聚类分析
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 基于改进 K-Means 算法的雷电脉冲分类研究
来源期刊 舰船电子工程 学科 工学
关键词 K-均值聚类 初始聚类中心 聚类数目 自然雷电脉冲
年,卷(期) 2015,(10) 所属期刊栏目 信息融合技术
研究方向 页码范围 44-47,147
页数 5页 分类号 TP301.6
字数 3980字 语种 中文
DOI 10.3969/j.issn.1672-9730.2015.10.012
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 张曙霞 海军工程大学电子工程学院 24 51 4.0 6.0
2 彭丹 海军工程大学电子工程学院 4 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  (6)
共引文献  (5)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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
K-均值聚类
初始聚类中心
聚类数目
自然雷电脉冲
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
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导