基于动态离差平方和准则的无监督机器学习

• 作者: 于浩 王一超 肖枝洪
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 无监督机器学习 K-means算法 动态离差平方和
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 信息·计算机
• 页码范围: 134-139,186
• 页数: 7页
• 分类号: TP18
• 字数: 4475字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2018.11.021

摘要

无监督机器学习算法中的经典K-means算法,是基于局部最优的原则将观测数据进行分类,其算法严重依赖初始种子的选取,导致聚类结果的不确定性.基于经典K-means算法的不足,提出一种基于动态离差平方和的无监督机器学习算法,使得各类内观测值的离差平方和最小,以此为划分依据,不断调整,从而对K-means算法进行改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖枝洪	重庆理工大学理学院	22	83	6.0	8.0
2	于浩	重庆理工大学理学院	2	6	1.0	2.0
3	王一超	重庆理工大学理学院	3	6	1.0	2.0