一种改进BP神经网络的K-means算法

• 作者: 储泽楠 张修太 王伟 韩毅
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: BP神经网络 属性缺失 K-means 降噪处理 数据完整性
• 年，卷（期）: 2020,（2）
• 页码范围: 380-385
• 页数: 6页
• 分类号: TP301
• 字数: 5262字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2020.02.026

摘要

针对聚类算法K-means在聚类的过程中,出现数据的属性缺失造成聚类的精确度下降等问题,提出了一种改进BP神经网络的BPK-means算法.该算法首先根据BP神经网络对缺失的属性值进行预测,补全缺失的数据,极大的提高了数据的完整性和可靠性;然后对异常的数据进行去噪处理;最后通过K-means算法对修复后的数据进行聚类.通过理论验证和实验结果都表明所提出的方法比原始的算法精确度有很大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张修太	安阳工学院电子信息与电气工程学院	26	235	6.0	15.0
2	储泽楠	安阳工学院计算机科学与信息工程学院	30	82	5.0	7.0
6	王伟	安阳工学院计算机科学与信息工程学院	25	46	3.0	6.0