改进的K-means聚类k值选择算法

被引：111

作者：

王建仁

马鑫

段刚龙

机构：

[1] 西安理工大学经济与管理学院

来源：

计算机工程与应用 | 2019年 / 55卷 / 08期

关键词：

K-均值算法; k值选择; ET-SSE算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

空间聚类算法中,聚类的效果在很大程度上受制于最佳k值的选择。典型的K-均值算法中,聚类数k需要事先确定,但在实际情况中k的取值很难确定。针对手肘法在确定k值的过程中存在的"肘点"位置不明确问题,基于指数函数性质、权重调节、偏执项和手肘法基本思想,提出了一种改进的k值选择算法ET-SSE算法。通过多个UCI数据集和K-means聚类算法对该算法进行实验,结果表明,使用该k值选择算法相比于手肘法能更加快速且准确地确定k值。

引用

收藏

页码：27 / 33

页数：7

相关论文

共 18 条

[1] 基于搜索改进的KNN文本分类算法 [J].

殷亚博 ;

杨文忠 ;

杨慧婷 ;

许超英 .

计算机工程与设计, 2018, 39 (09) :2923-2928

[2] 基于云计算平台Hadoop的HKM聚类算法设计研究 [J].

张淑芬 ;

董岩岩 ;

陈学斌 .

应用科学学报, 2018, 36 (03) :524-534

[3] 基于Python的长文本比较研究——以《管子》与《国富论》经济思想比较为例 [J].

姜安印 ;

冯龙飞 .

图书与情报, 2018, (02) :67-73

[4] 基于LDA主题模型的文献关联分析及可视化研究 [J].

王丽 ;

邹丽雪 ;

刘细文 .

数据分析与知识发现 , 2018, (03) :98-106

[5] 基于密度峰值优化的Canopy-Kmeans并行算法附视频 [J].

李琪 ;

张欣 ;

张平康 ;

张航 .

通信技术, 2018, (02) :312-317

[6] 最小化误差平方和k-means初始聚类中心优化方法 [J].

周本金 ;

陶以政 ;

纪斌 ;

谢永辉 .

计算机工程与应用 , 2018, (15) :48-52

[7] 优化初始聚类中心及确定K值的K-means算法 [J].

蒋丽 ;

薛善良 .

计算机与数字工程, 2018, 46 (01) :21-24+113

[8] A study on the changes of dynamic feature code when fixing bugs: towards the benefits and costs of Python dynamic features [J].

Zhifei CHEN ;

Wanwangying MA ;

Wei LIN ;

Lin CHEN ;

Yanhui LI ;

Baowen XU .

ScienceChina(InformationSciences), 2018, 61 (01) :169-186

[9] 基于森林优化特征选择算法的改进研究 [J].

初蓓 ;

李占山 ;

张梦林 ;

于海鸿 .

软件学报, 2018, 29 (09) :2547-2558

[10] 基本初等函数的高精度快速计算的加速算法 [J].

蒋亚萍 ;

贺超 ;

秦惠增 .

数学的实践与认识, 2017, 47 (13) :238-246