基于SOM和BP网络的K均值聚类算法分析

• 作者: 赵文均
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: K-MEANS SOM BP 聚类算法
• 年，卷（期）: 2020,（9）
• 页码范围: 24-26
• 页数: 3页
• 分类号: TP18

摘要

在数据挖掘中,K均值聚类算法作为最典型、最常见、实用度最广的一种聚类算法,具有简单易操作等优点。但K均值聚类算法也存在部分缺点,其在训练前需要提前设定聚类中心个数,在训练过程中容易陷入局部最优,面对多维数据样本其效果不佳,得到的聚类结果受初始聚类中心个数的设定影响较大。对k均值聚类算法的优化方案较多,本文主要针对前人提出的基于BP神经网络的K均值聚类算法和基于SOM网络改进的K均值聚类算法效果进行分析,为后续的进一步改进提供基础。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文均	西华师范大学计算机学院	2	0	0.0	0.0