期刊文献+

一种高效的K-means聚类算法 被引量:1

下载PDF
导出
摘要 聚类算法作为一种重要的数据挖掘的方法,能找到样本中相对集中的区域。本文分析了一些常用聚类算法以及局限性,并且针对K-means算法中初始点的选择,讨论了一种改进的K-means算法的实现过程,以期得到比较理想的聚类效果。
作者 王娟
出处 《科技信息》 2012年第25期168-168,229,共2页 Science & Technology Information
  • 相关文献

参考文献4

  • 1Jianwei Han, Micheline Kamber.Data Mining: Concepts and Techniques [M]. Simon Fraser University, 2000.
  • 2Alsabti, Ranka S, Singh V. An efficient k-means clustering algorithm, IPPS-9g [Ay/Proceedings of the First Workshop on High Performance Date Mining[C]. Orlando, Florida, USA, 1998.
  • 3Ester M, Kriegel H P, Sander J, et al. A Density-Base Algorithm for Discovering Clusters in Large Spatial Databases with Noise[J]. Proc. 2nd Int, Conf. on Knowledge Discorvery and Data Mining. Portland, 1996, 20:226-231.
  • 4Raskutti B, Ferr H, Kowalczyk A. Combining clustering and co-training toenhance text classification using unlabeled data [C]. Canada:Proceedings of SIGKDD, 2002.

同被引文献4

引证文献1

二级引证文献6

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部