ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

K-Means聚类算法研究综述

杨俊闯; 赵超河北工程大学
计算机工程与应用2019
27阅读
引用收藏
分享

摘要

K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法。其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域。但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如何选取,离群点的检测与去除,距离和相似性度量等。从多个方面对K-Means算法的改进措施进行概括,并和传统K-Means算法进行比较,分析了改进算法的优缺点,指出了其中存在的问题。对K-Means算法的发展方向和趋势进行了展望。

学科与关键词

关键词
K-Means聚类算法聚类中心离群点 K-Meansclustering algorithmcluster centeroutliers
相关
加载中…
  • 一种改进的K-Means聚类算法的研究
    王雪梅; 李晓峰; 高巍巍计算机与数字工程, 2013, (11): 1717.
  • 基于向量语义相似度的改进K-Means算法
    李法运; 农罗锋情报科学, 2013, (02): 34.
  • 一种优化初始中心的K-means聚类算法
    邓海; 覃华; 孙欣计算机技术与发展, 2013, (11): 42-45.
查看全部 →

发表信息

论文状态
公开发表
期刊
计算机工程与应用
发表日期
2019
卷期
第 23 期
页码
7-14+63
成果收录
CHINAJOURNAL
资助标注
河北省高等学校科学技术研究项目(No.QN2018109);

作者

  • 杨

    杨俊闯 (第一作者)

  • 赵

    赵超

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417