刘飞
- 作品数：1 被引量：19H指数：1
- 供职机构：汕头大学工学院电子工程系更多>>
- 发文基金：广东省重大科技项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- K-means聚类算法中聚类个数的方法研究被引量：19
- 2017年
- 在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。然而,簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够自动确定聚类个数,采用SSE和簇的个数进行度量,提出了一种聚类个数自适应的聚类方法(简称:SKKM)。通过UCI数据和仿真数据对象的实验,对SKKM算法进行了验证,实验结果表明改进的算法可以快速的找到数据对象中聚类个数,提高了算法的性能。
- 刘飞唐雅娟刘瑶
- 关键词：K-MEANS算法聚类个数初始聚类中心数据挖掘
