一种改进的K-means算法最佳聚类数确定方法

被引：12

作者：

边鹏 ^{[1
,2
]}

赵妍 ^{[3
]}

苏玉召 ^{[1
,2
]}

机构：

[1] 中国科学院国家科学图书馆

[2] 中国科学院研究生院

[3] 郑州航空工业管理学院计算机科学与应用系

来源：

现代图书情报技术 | 2011年 / 09期

关键词：

K-means聚类; 聚类数; 文本聚类; 推荐系统;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

对BWP方法进行研究,从嵌入式NSTL个性化推荐的文本聚类需求入手,分析BWP方法的不足,提出一种改进的K-means算法最佳聚类数确定方法。对单一样本类的类内距离计算方法进行优化,扩展BWP方法适用的聚类数范围,使原有局部最优的聚类数优化为全局最优。实验结果可以验证该方法具有良好性能。

引用

页码：34 / 40

页数：7

共 5 条

[1] K-means算法最佳聚类数确定方法 [J].

周世兵 ;

徐振源 ;

唐旭清 .

计算机应用, 2010, 30 (08) :1995-1998

[2] 一种改进的全局K-均值聚类算法 [J].

谢娟英 ;

蒋帅 ;

王春霞 ;

张琰 ;

谢维信 .

陕西师范大学学报(自然科学版), 2010, (02) :18-22

[3] 用于数据挖掘的聚类算法 [J].

姜园 ;

张朝阳 ;

仇佩亮 ;

周东方 .

电子与信息学报, 2005, (04) :655-662

[4] 初始中心优化的K-Means聚类算法 [J].

李飞 ;

薛彬 ;

黄亚楼 .

计算机科学, 2002, (07) :94-96

[5] An examination of indexes for determining the number of clusters in binary data sets [J].

Dimitriadou, E ;

Dolnicar, S ;

Weingessel, A .

PSYCHOMETRIKA, 2002, 67 (01) :137-159

← 1 →