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 均值算法是一种常用的基于原型的聚类算法。但该算法要求用户随机选择初始质心,使得 K 均值算法受初始化影响较大。二分 K 均值算法虽然改善了这个问题,但仍然要求用户指定聚类个数,影响了聚类效果。用层次聚类对二分法进行改进,解决了二分 K 均值算法受用户指定的聚类个数的影响的问题。并结合 Chameleon 算法,合并划分过细簇,优化聚类结果。仿真实验证明改进的聚类算法的抱团性和分离性优于二分 K 均值聚类算法。
推荐文章
基于差分演化的K-均值聚类算法
聚类
差分演化算法
K-均值
应用于数字电视用户浏览行为的二分K-medoids聚类算法
数字电视
用户浏览行为
聚类算法
云相似度
二分K-medoids
基于ISFLA的K均值聚类算法
SFLA
吸引排斥机制
ISFLA
K均值算法
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 改进的二分K均值聚类算法
来源期刊 计算机应用与软件 学科 工学
关键词 K均值聚类 二分K均值聚类 Chameleon算法 层次聚类
年,卷(期) 2015,(2) 所属期刊栏目 算 法
研究方向 页码范围 261-263,277
页数 4页 分类号 TP311.13
字数 3814字 语种 中文
DOI 10.3969/j.issn.1000-386x.2015.02.063
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 刘广聪 广东工业大学计算机学院 36 178 7.0 12.0
2 黄婷婷 广东工业大学计算机学院 6 45 2.0 6.0
3 陈海南 广东工业大学计算机学院 3 45 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (65)
参考文献  (5)
节点文献
引证文献  (36)
同被引文献  (119)
二级引证文献  (21)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2015(4)
  • 引证文献(4)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(5)
  • 引证文献(5)
  • 二级引证文献(0)
2018(14)
  • 引证文献(11)
  • 二级引证文献(3)
2019(19)
  • 引证文献(10)
  • 二级引证文献(9)
2020(13)
  • 引证文献(4)
  • 二级引证文献(9)
研究主题发展历程
节点文献
K均值聚类
二分K均值聚类
Chameleon算法
层次聚类
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导