节点文献

一种优化初始化中心的k均值web信息聚类算法

免费订阅

【作者】 张世博周义明

【Author】 Zhang Shibo1Zhou Yiming2(1.Department of Computer Science,Beijing Institute of Petro-chemical Technology, Beijing 102600,China;2.Center of Electrical Engineering,Beijing Institute of Petro-chemical Technology,Beijing 102600,China)

【机构】 北京石油化工学院计算机科学与技术系北京石油化工学院电子教学与实践中心

【摘要】 k-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于k-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。针对k-means算法所存在的问题,构造了文本集合的相似度矩阵,基于平均相似度集合通过排序迭代优选出了初始中心点。实验表明此算法可以有效减少迭代次数并提高聚类精度,最终获得较好的聚类效果。

【关键词】 k均值聚类初始中心点优化
  • 【分类号】TP311.13
  • 【被引频次】4
  • 【下载频次】100
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: