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:
与传统 K-Means 相比,加权闵可夫斯基 K-Means(MWK-Means)需要自适应获取特征权重并选择合适的闵可夫斯基指数。无监督选取指数策略是计算每个指数的三种尺度值,根据三种尺度的选取标准得到各自最好的指数,然后选取较接近的两个指数求均值。在这种策略的启发下,提出了基于排名的闵可夫斯基指数选取策略,将三种尺度的值分别进行排名,每个指数通过选取两个较接近的排名相加得到综合排名来确定指数。用这两种指数选取策略分别对UCI数据集进行实验,结果表明,基于排名的选取策略较优。
推荐文章
基于萤火虫优化的加权K-means算法
加权K-means
聚类
萤火虫算法
基于Fisher线性判别率的加权K-means聚类算法
K-均值
聚类
Fisher线性判别率
特征加权
调整随机指标
类内错误率均方和
可间断运行的K-means聚类算法
K-means算法
聚类
恢复机制
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
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 加权闵可夫斯基K-Means的指数选取策略
来源期刊 计算机系统应用 学科
关键词 聚类 闵可夫斯基指数 无监督 排名 MWK-Means
年,卷(期) 2015,(2) 所属期刊栏目 软件技术?算法
研究方向 页码范围 151-154
页数 4页 分类号
字数 3067字 语种 中文
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 何振峰 福州大学数学与计算机科学学院 34 74 4.0 6.0
2 王法云 福州大学数学与计算机科学学院 2 9 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (10)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (21)
二级引证文献  (8)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(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)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(2)
  • 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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(8)
  • 引证文献(5)
  • 二级引证文献(3)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
聚类
闵可夫斯基指数
无监督
排名
MWK-Means
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
论文1v1指导