全局中心聚类算法在课程序化中的应用

• 作者: 刘松 段桂芹 邹臣嵩
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 全局中心 簇内距离和 序列聚类 课程体系
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法与分析
• 页码范围: 528-533
• 页数: 6页
• 分类号: TP301.6
• 字数: 4968字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.03.005

摘要

针对K-means在聚类过程中存在的随机性强、准确率不稳定等问题,提出了一种改进聚类算法,首先选取k个首尾相连且距离乘积最大的数据对象作为初始聚类中心,在簇中心迭代过程中,选取簇内距离和最小的样本作为簇中心,再将其他样本划分至相应簇中,反复迭代,直至收敛.在UCI数据集上的仿真实验结果表明:新算法与K-means算法和其他两种改进算法相比,不仅能够降低运算耗时,在准确率、Jaccard系数、F值等多项聚类指标上也有较大的提升,在实际应用中,使用新算法对现代学徒制的职业能力进行了聚类分析,解决了课程间的序化问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘松	广东松山职业技术学院机械工程系	23	10	2.0	2.0
2	邹臣嵩	广东松山职业技术学院电气工程系	23	23	2.0	3.0
3	段桂芹	广东松山职业技术学院计算机系	15	32	3.0	5.0