论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 杨俊闯,赵超
关键词: 聚类算法,聚类中心,离群点
来源: 计算机工程与应用 2019年23期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 河北工程大学信息与电气工程学院
基金: 河北省高等学校科学技术研究项目（No.QN2018109）
分类号: TP311.13
页码: 7-14+63
总页数: 9
文件大小: 1761K
下载量: 3537