针对K-means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K-means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,在核心子集上执行中心点逐个递增优化选择策略,选出初始中心点。在来自UCI的20个数据集上聚类结果表明,本文提出的算法优于K-means++聚类算法,有效地提升了聚类性能。
来源出处
基于Tukey规则与初始中心点优化的K-means聚类改进算法
http://sjcj.nuaa.edu.cn/sjcjycl/article/abstract/202303013
相关内容
发布日期
08/04/2020 - 01:35
发布日期
01/10/2022 - 19:32
发布日期
08/04/2020 - 01:35
发布日期
10/31/2021 - 01:12
发布日期
09/05/2024 - 19:28
发布日期
02/18/2025 - 20:48
发布日期
10/17/2023 - 23:16
发布日期
06/17/2022 - 10:21
发布日期
01/10/2022 - 19:31
发布日期
02/18/2025 - 20:47
发布日期
01/18/2025 - 20:37
发布日期
08/04/2020 - 01:35
发布日期
08/04/2020 - 01:35
发布日期
01/31/2024 - 13:01
发布日期
10/31/2021 - 01:48
发布日期
01/10/2022 - 19:31
发布日期
07/19/2023 - 21:44
发布日期
08/04/2020 - 01:35
发布日期
02/29/2024 - 16:35
发布日期
06/17/2022 - 10:21