基于改进的K-means算法初始化方法研究

来源 :云南民族大学学报:自然科学版 | 被引量 : 0次 | 上传用户:Colo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了解决K-means算法在随机初始化过程中影响到K-means算法的效率性和正确性问题.提出了一种改进的方法(IKM),该方法是一种改进K均值的算法,利用密度、网格和统计等概念,将IKM的模拟数据与K-means进行比较.结果证明IKM的效率性和正确性优于K-means算法,对于复杂的情况在数据分布方面,IKM的表现优于K-means算法.
其他文献
低资源环境下,受限于平行语料的规模和质量,神经机器翻译的效果并不理想.汉-越神经机器翻译作为典型的低资源型机器翻译,同样面临平行语料匮乏的问题.针对这一问题提出了基于
随着智慧网络学习平台的推广应用,采集学生学习行为大数据开始变得可行,这为分析学生学习过程包含的知识和规律提供了数据基础.但目前普遍网络学习平台对数据仅实现了简单的
对于YK7232A磨床液压伺服控制系统由较多的分立元件构成,可靠性较低,响应速度较慢,而且故障率较高,不便于系统维护等问题.采用了EDA设计技术,将系统中大部分的分立元件以及PI