K-means算法的优化及应用

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：针对K-means算法易受初始值和异常点影响，以及聚类数选取依靠人工经验和初始聚类中心选取随机等缺点，提出一种基于改进Canopy算法的K-means聚类算法。首先将初始数据集进行预处理和分类，然后选取特殊的阈值利用改进的Canopy算法得到聚类数和初始聚类中心，再运行K-means算法实现最终聚类。（剩余6568字）

试读结束

目录
monitor