作者:
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:
在各行各业发展中,都积累了大量的数据,而数据往往是没有先验标签的,我们需要在数据中自动发现规律,例如自动发现数据中有哪几类,每一类有什么性质.而kmeans聚类算法就是针对这一类问题的有效解决方案.本文中,我们介绍了kmeans的方法,并且进行了实验,着重讨论了质心初始点的选取方式和聚类特征的选取方式,最终验证了kmeans算法的有效性.
推荐文章
ABC_Kmeans聚类算法的MapReduce并行化研究
K-means
聚类
人工蜂群
MapReduce
基于谱峭度分析和粒子群Kmeans算法的高压断路器故障诊断研究
机械故障诊断
高压断路器
谱峭度
Kurtogram算法
粒子群算法
云计算平台上的Canopy-Kmeans并行聚类算法研究
云计算平台
Canopy-Kmeans算法
并行聚类算法
大数据挖掘
集群数据
数据分析
集合CHI与IG的特征选择方法
文本分类
特征选择
卡方统计
信息增益
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 Kmeans应用与特征选择
来源期刊 电子制作 学科
关键词 人工智能 机器学习 数据挖掘 聚类kmeans
年,卷(期) 2017,(23) 所属期刊栏目 软件开发
研究方向 页码范围 55-56,63
页数 3页 分类号
字数 2303字 语种 中文
DOI 10.3969/j.issn.1006-5059.2017.23.020
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 柏宇轩 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(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
人工智能
机器学习
数据挖掘
聚类kmeans
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
电子制作
半月刊
1006-5059
11-3571/TN
大16开
北京市
1994
chi
出版文献量(篇)
22336
总下载数(次)
116
论文1v1指导