K-Means算法改進及優化
大小：0.92 MB 人氣： 2017-12-05 需要積分：2
傳統的k-means算法采用的是隨機數初始化聚類中心的方法，這種方法的主要優點是能夠快速的產生初始化的聚類中心，其主要缺點是初始化的聚類中心可能會同時出現在同一個類別中，導致迭代次數過多，甚至陷入局部最優出現錯誤的聚類結果。針對傳統的k-means算法初始聚類中心的缺點，本文提出了p-K-means算法，該算法采用了數學幾何距離的方法改進k-means算法中初始聚類中心分布不均勻的現象多個聚類中心出現在同一類簇中的現象，這種方法能避免k-means聚類算法聚類過程中陷入局部最優，另一方面降低了聚類過程中的反復迭代次數。本文通過實驗的方式來對兩個算法進行分析比較后發現改進的算法在收斂速度上優于傳統k-means算法，也不容易陷入局部最優。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
K-Means算法改進及優化下載
相關電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 物體檢測與跟蹤算法 974
- 大學課程 數據分析 實戰之K-means算法（3）代碼優化 286
- 大學課程 數據分析 實戰之K-means算法（2）算法代碼 334
- 大學課程 數據分析 實戰之K-means算法（1）理論講解 412
- YOLOv5中的autoanchor.py代碼解析 1242
- K-means聚類算法指南 1040
- 基于距離的聚類算法K-means的設計實現 1939
- K-MEANS聚類算法概述及工作原理 3565
- 機器學習告訴你，新型冠狀病毒接下來將如何變異？ 6703