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

一种改进的K-Means聚类算法的研究

王雪梅; 李晓峰; 高巍巍东北农业大学; 北京理工大学
计算机与数字工程2013-11-20
18阅读
引用收藏
分享

摘要

针对传统的K-均值聚类算法存在对初始聚类中心点选择敏感、全局搜索能力差和易陷入局部最优等缺点,论文引进一种基于种群的启发式全局优化算法——差分进化算法,并将改进后的差分进化算法和K-均值聚类算法相结合。实验结果表明,该算法较好地解决了K-均值聚类算法初始中心的优化问题,防止算法陷入局部最优解,有较好的搜索能力,有效提高了聚类质量和收敛速度。

学科与关键词

关键词
差分进化算法K-均值聚类算法聚类分析 differential evolution algorithm-DEK-means cluster algorithmcluster analysis
相关
加载中…
  • K-Means聚类算法研究综述
    杨俊闯; 赵超计算机工程与应用, 2019, (23): 7-14+63.
  • 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
计算机与数字工程
发表日期
2013-11-20
卷期
第 11 期
页码
1717
语言
中文
成果收录
CHINAJOURNAL
资助标注
国家教师科研专项基金(编号:CTF120771)资助

作者

  • 王

    王雪梅 (第一作者)

  • 李

    李晓峰

查看全部 3 位作者收起作者
  • 高

    高巍巍

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