基于密度的K-means算法在聚類(lèi)數(shù)目中應(yīng)用
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)傳統(tǒng)的K-means算法無(wú)法預(yù)先明確聚類(lèi)數(shù)目，對(duì)初始聚類(lèi)中心選取敏感且易受離群孤點(diǎn)影響導(dǎo)致聚類(lèi)結(jié)果穩(wěn)定性和準(zhǔn)確性欠佳的問(wèn)題，提出一種改進(jìn)的基于密度的K-means算法。該算法首先基于軌跡數(shù)據(jù)分布密度和增加軌跡數(shù)據(jù)關(guān)鍵點(diǎn)密度權(quán)值的方式選取高密度的軌跡數(shù)據(jù)點(diǎn)作為初始聚類(lèi)中心進(jìn)行K-means聚類(lèi)，然后結(jié)合聚類(lèi)有效函數(shù)類(lèi)內(nèi)類(lèi)外劃分指標(biāo)對(duì)聚類(lèi)結(jié)果進(jìn)行評(píng)價(jià)，最后根據(jù)評(píng)價(jià)確定最佳聚類(lèi)數(shù)目和最優(yōu)聚類(lèi)劃分。理論研究與實(shí)驗(yàn)結(jié)果表明，該算法能夠更好地提取軌跡關(guān)鍵點(diǎn)，保留關(guān)鍵路徑信息，且與傳統(tǒng)的K-means算法相比，聚類(lèi)準(zhǔn)確性提高了28個(gè)百分點(diǎn)，與具有噪聲的基于密度的聚類(lèi)算法相比，聚類(lèi)準(zhǔn)確性提高了17個(gè)百分點(diǎn)。所提算法在軌跡數(shù)據(jù)聚類(lèi)中具有更好的穩(wěn)定性和準(zhǔn)確性。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于密度的K-means算法在聚類(lèi)數(shù)目中應(yīng)用下載
相關(guān)電子資料下載
- 對(duì)新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類(lèi)的表現(xiàn) 316
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 介紹一種基于分層聚類(lèi)方法的木馬通信行為檢測(cè)模型 1060
- 深度學(xué)習(xí)聚類(lèi)的綜述 780
- 聚類(lèi)分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級(jí)聚類(lèi)算法 415
- 聚類(lèi)分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（一） 638
- 物體檢測(cè)與跟蹤算法 974