北京石油化工学院学报

2011, (04) 59-62

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种优化初始化中心的k均值web信息聚类算法
An Optimization Initial Points K-Means Algorithm for Web Clustering

张世博;周义明;

摘要(Abstract):

k-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于k-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。针对k-means算法所存在的问题,构造了文本集合的相似度矩阵,基于平均相似度集合通过排序迭代优选出了初始中心点。实验表明此算法可以有效减少迭代次数并提高聚类精度,最终获得较好的聚类效果。

关键词(KeyWords): k均值;聚类;初始中心点;优化

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 张世博;周义明;

Email:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享