您的位置: 专家智库 > >

朱云贺

作品数:2 被引量:2H指数:1
供职机构:中国海洋大学更多>>
发文基金:青岛市科技发展计划项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 2篇自动化与计算...

主题

  • 2篇聚类
  • 1篇多项式
  • 1篇多项式拟合
  • 1篇数据挖掘
  • 1篇模糊C均值聚...
  • 1篇聚类分析
  • 1篇聚类算法
  • 1篇聚类中心
  • 1篇均值聚类
  • 1篇均值聚类算法
  • 1篇方差分析
  • 1篇K-MEAN...
  • 1篇层次分析
  • 1篇层次分析法
  • 1篇P

机构

  • 2篇中国海洋大学

作者

  • 2篇朱云贺
  • 1篇张春海
  • 1篇张博

传媒

  • 1篇计算机技术与...

年份

  • 1篇2011
  • 1篇2010
2 条 记 录,以下是 1-2
排序方式:
模糊C均值聚类算法的相关问题研究
模糊C均值聚类算法(FCM:Fuzzy C—Means)的研究领域隶属于数据挖掘的聚类分析方向,是一种基于目标函数的无监督的聚类分析算法。它是在传统聚类分析算法的基础上引入模糊数学理论的概念,并利用隶属度函数来表示数据对...
朱云贺
关键词:模糊C均值聚类算法数据挖掘聚类分析层次分析法多项式拟合方差分析
文献传递
基于数据分段的K-means的优化研究被引量:2
2010年
K-means聚类算法是一种主流的迭代下降聚类算法,收敛于局部最优化状态。由于K-means随机选取k个初始聚类中心,使得聚类结果的有效性随初始输入而波动,为此文中采取一种预处理的方式来选取初始聚类中心。首先在某种范数的意义下,确定相隔最远的两个数据点之间的距离,然后采用数据分段的方法,将数据集分成k段,在每段中选取一个中心,以此来减小聚类结果随初始输入的波动。实验显示优化后的K-means有效地消除了初始输入的影响,并显著地减少了算法迭代次数和聚类误差。
朱云贺张春海张博
关键词:聚类K-MEANS聚类中心
共1页<1>
聚类工具0