一个基于K-means的聚类算法的实现

被引：20

作者：

谭勇

荣秋生

机构：

[1] 湖北民族学院信息工程学院

[2] 湖南文理学院计算机科学与技术系

来源：

湖北民族学院学报(自然科学版) | 2004年 / 01期

关键词：

数据挖掘; 聚类; K-Means;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

聚类算法作为数据挖掘中的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的区域.分析了传统的聚类算法及局限性,讨论了一个基于K-means算法的实现过程,使得算法可处理存在孤立点的大文档集,得到最佳的聚类结果.

引用

收藏

页码：69 / 71

页数：3

相关论文

共 3 条

[1]

An efficient k-means clustering algorithm. Alsabti K,Ranka S,Singh V. IPPS- 98, Proceedings of the First Workshop on High Performance Date Mining . 1998

[2]

A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Ester M,Kriegel H P,Sander J,et al. Proc. 2nd Int. Conf.on Knowledge Discovery and Data Mining. Portland . 1996

[3]

Data Mining: Concepts and Techniques. Jiawei Han,Micheline Kamber. . 2000