基于層次劃分的密度優化聚類算法
大?。?/span>0.71 MB 人氣： 2017-12-17 需要積分：2
標簽：聚類算法(12092)
針對傳統的聚類算法對數據集反復聚類，且在大型數據集上計算效率欠佳的問題，提出一種基于層次劃分的最佳聚類數和初始聚類中心確定算法——基于層次劃分密度的聚類優化（ CODHD）。該算法基于層次劃分，對計算過程進行研究，不需要對數據集進行反復聚類。首先，掃描數據集獲得所有聚類特征的統計值；其次，自底向上地生成不同層次的數據劃分，計算每個劃分數據點的密度，將最大密度點定為中心點，計算中心點距離更高密度點的最小距離，以中心點密度與最小距離乘積之和的平均值為有效性指標，增量地構建一條關于不同層次劃分的聚類質量曲線；最后，根據曲線的極值點對應的劃分估計最佳聚類數和初始聚類中心。實驗結果表明，所提CODHD算法與預處理階段的聚類優化（ COPS）算法相比，聚類準確度提高了30%，聚類算法效率至少提高14. 24%。所提算法具有較強的可行性和實用性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于層次劃分的密度優化聚類算法下載
相關電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 10種聚類算法和Python代碼4 1118
- 10種聚類算法和Python代碼3 960
- 10種聚類算法和Python代碼2 796
- 10種聚類算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺新范式！COCs：將圖像視為點集 636
- 10種頂流聚類算法Python實現（附完整代碼） 989