基于距離最大化和缺失數(shù)據(jù)聚類的填充算法
大小：1.57 MB 人氣： 2018-01-09 需要積分：3
標(biāo)簽：聚類(14184)
通過對基于K-means聚類的缺失值填充算法的改進(jìn)，文中提出了基于距離最大化和缺失數(shù)據(jù)聚類的填充算法。首先，針對原填充算法需要提前輸入聚類個數(shù)這一缺點，設(shè)計了改進(jìn)的K-means聚類算法：使用數(shù)據(jù)間的最大距離確定聚類中心，自動產(chǎn)生聚類個數(shù)，提高聚類效果；其次，對聚類的距離函數(shù)進(jìn)行改進(jìn)，采用部分距離度量方式，改進(jìn)后的算法可以對含有缺失值的記錄進(jìn)行聚類，簡化原填充算法步驟。通過對STUDENT ALCOHOL CONSUMPTION數(shù)據(jù)集的實驗，結(jié)果證明了該算法能夠在提高效率的同時，有效地填充缺失數(shù)據(jù)。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于距離最大化和缺失數(shù)據(jù)聚類的填充算法下載
相關(guān)電子資料下載
- 對新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時間序列聚類的表現(xiàn) 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述（一） 638
- 機器學(xué)習(xí)之分類分析與聚類分析 3550