没有合适的资源?快使用搜索试试~ 我知道了~
初始中心优化的K_Means聚类算法1
需积分: 0 0 下载量 84 浏览量
2022-08-03
21:18:14
上传
评论
收藏 264KB PDF 举报
温馨提示
试读
3页
引言聚 类分析 (c lust er in g ) 是 人 工智能研究 的重 要领 域聚 类方法被广泛研 究并应用 于 机器 学 习、 统计分析、 模式识 别以
资源详情
资源评论
资源推荐
计 算机科
学
20 0 2
V ol
.
9 2
塑
·
7
初
始
中
心
优
化 的
K
一
M
a e
n s聚类
算法
`
’
K
一
M
a e
n
s
C l
u s
t
e r
i
n
g
A l
g
o l r
t
h m i w
t
h R
e
fi
n
e
d
I
n
i
t
i
a
l C
en
t
e r
李
飞
薛 彬 黄亚 楼
(
南
开
大 学计算机
科
学与技 术
系 天
津
30 0 0 7
) 1
A b
s
t
a r e
t
A
so
n
eo
f
t
h
e
m
o s
t
p
o
p
u
l
a r e
l
u s
t
e r
i
n
g
t
e e
h
n
i q
u s e
,
K
一
M
e a
n
s a
l
g
o r l
t
h m
u s u a
l l
y
o
b
t
a
i
n
s
l
o e a
l l
y
o
p
t
im
a
l
s o
l
u
-
t
i
o
n
s
d
u e
t o
i
t
s s e
n
s
i
t
i
v
i
t
y
t
o
i
n
i
t
i
a
l
s
t
a r
t
i
n
g
e e
n t
e r
.
T
o o v e r e o
m
e
t
h
i
s
p
r o
b l
e
m
,
a
g
e n e
t
i
e a
l
g
o r
i
t
h m 1
5
u
s e
d
t
o s e a r e
h
t
h
e
i
n
i
t
i
a
l
e e
n t
e r
f
o
r
K
一
M
e a n s a
l
g
o r
i
t
h m
.
A
e o
n
e e
p
t o
f
“
G
e
n
e
d if f
e r e
n
e e ”
1
5
i
n t
r
o
d
u e e
d
t o
e
o n t
r o
l
t
h
e e r o s s o v e r o
p
e r a
-
t o
r a
n
d m
u
t
a
t
i
o n o
p
e r a
t
o r
i
n
g
e
n
e
t
i
e a
l
g
o r
i
t
h m
.
E
x
p
e r
i m
e
n t
s o
n
s
t
a
n
d
a r
d d
a
t
a
b
a s e o
f U C I
s
h
o
w
t
h
a
t t
h
e
p
r o
p
o s e
d
m
e
t
h
o
d
e a
n
e
f f i
e
i
e
n t
l
y i
m
P
r
o
v e
t
h
e e
l
u s
t
e r
i
n
g
r e s u
l
t
.
K
e
y w
o r
d
s
K
一
M
e a
n
s a
l
g
o r
i
t
h m
,
G
e n e
t
i
e a
l
g
o r
i
t
h m
,
G
e n e
d
i
f f
e r e
n
e e
引言
聚 类
分析
(c l
us
t
er
in
g
)
是 人
工
智
能研
究 的
重 要
领 域
。
聚
类
方
法
被广
泛
研 究并
应用 于
机
器 学 习
、
统计
分
析
、
模
式识 别以及
数据库数据
挖
掘与
知识
发
现
等
不
同
的
领域
。
各种
聚类方法
中
,
基于 目
标
函数 的
K
一
M ea
n
s
聚
类
方法应
用 极
为广
泛
,
根据
聚
类结果
的表
达方式
又 可分
为
硬
K
一
M ae ns
( H C
M
)
算
法
、
模 糊
K
一
M
e a
n
s
算
法
(
F
C
M
)
和
概率
K
一
M
e a
n
s
算
法
(
P
C
M 户
〕
。
各种
K
一
M ae
n
s
算法都
以
确定
的 目
标
函
数来
测
度
聚 类的效果
,
最
佳
的 聚
类效
果
对应
于 目
标
函
数
的
极值
点
。
由于
目
标
函
数
局 部
极小值
点的
存
在
川
以 及
算
法的贪 心
性
,
导致聚
类结果对初始 中心 敏
感
,
往往达不到 全局 最优
。
针对
K
一
M
e
an
s
算法
对初 始聚
类 中
心 的敏
感
问
题
,
可 以选
取
不 同 的初始
值
多次
执行该 算法
,
然后选取
最 好
的
结
果
。
显
然
,
如果 初始
中
心 选
取
次数
较
少不 能
保
证得 到最
优解
,
选
取
次
数较多
则 会
大
大增 加
计算
量
.
因此
,
许
多
峨
究
者针对
这个 问
题
提
出 了
改
进 的
算法
。
P
.
5
.
Br
ad
l
ey
等
人 提 出 一
种
从 聚
类数 据
集
随机
选取
多个子
样本集
的
方
法
川
,
对
所
选取的子
样本 集
重
复执行
K
一
M ea
n
s
算
法得到 优化的初始聚
类 中
心
,
然后 再
对
整
个
聚
类 数据集采
用
K
一
M ae ns 方法 聚
类
。
但是
,
这
种算
法得 到
的
只
是
一
种
“
次优
”
的
聚
类结果
,
而 且
受子样本 集选取 方式
的
影
响
。
其 他
研
究者把 随机 算法
的思
想引
入 到 初始聚
类 中
心
的
选 取 中
,
如
C L A R A N S
算法
[’]
.
随
机搜 索多
个初
始
聚
类 中
心
对
应
的
局
部极小值
,
比
较得
到
全
局
最优解
;
最近
,
有
学
者将
全
局
优 化方
法
中
的
模
拟 退 火
技术
应用 于 聚
类
分
析
,
提 出 一
种
基
于
模
拟
退
火
算
法 的动 态聚
类算
法
比
目
。
遗传算
法是一种高效
率
的随 机 全局
优化搜索 算
法
,
广
泛
应
用 于
各种优化
问
题
的
求解
,
包括
应
用 于 聚
类分析
v.[
`
〕
.
本文
应
用
遗传 算
法的 全局 高效搜
索能
力
来解
决
K
一
M ae
n
s
聚
类算
法 对
初
始中
心 的敏
感性
问题
。
同
时
,
针
对
标
准的遗
传算
法
本身
的早
熟
收敛
、
误差 平
分等
缺
陷
0[J
,
根据
所要
解
决 问
题
的先
验
知
识
,
引进
基因 差异
度
对
标
准遗
传算
法的交 叉
、
变
异
算
子
进 行修
正
,
限
制适
应
度差的
个
体
的
生成
,
以期
提高算法
的寻
优 能力
.
“
无
监
督学习
”
算 法
。
指
定类别数 为
C
,
对样 本集 合进 行
聚
类
,
聚类 的结果 由
C
个 聚
类中
心
来表达
。
基于
给定
的聚类 目
标
函
数
(
或
者
说是
聚 类效果判
别准
则
)
,
算法采
用
迭 代更新
的
方 法
,
每
一 次迭
代
过程都是
向
目
标
函
数值减 少
的
方
向
进 行
,
最 终 的
聚 类结果
使
目
标
函
数值取
得
极小值
,
达
到
较优
的聚
类效
果
。
设 聚
类
的样
本 集
为
:
X ~
{
x
,
}
x
,
任
R
户
,
i
一
1
,
2
,
…
,
N }
,
得
到 的
c
个
聚
类中
心
为
二 ,
,
2 2
,
…
,
各
。
令 wj
(j
~ 1
,
2
,
二
`
,
c )
表
示
聚
类
的
C
个类别
,
则
:
z
,
一
吝
E
二
` v J 二
`
灼
( 1 )
定
义 目
标
函
数
:
J 一
习 习
试
,
(
二
, ,
二
,
)
( 2 )
2
.
优化算
祛
原理
传 统 的
K
一
M ae
n
s
聚
类算
法
,
是
一
种
己知 聚
类 类别 数
的
其 中
n `
表
示
街 类 包
含
的样 本
个
数
,
一
般 采
用
欧
氏
距 离 dt,
(
x
, ,
二
`
) 一
了
(x
,
一
二
,
)
了
(
x
,
一
二
`
)
作
为
样本
间 的 距
离
。
欧 氏
距离
适
合
于
类 内样 本
数
据
为
超球
形
分 布
的
情
况
。
目
标
函
数
J 为
每
个样
本数据
点到
相应
聚
类 中
心 的距
离平方
和
,
即聚
类
的最
小
均方
误
差
。
传统 的
K
一
M ea
n
s
聚
类算法
( H C
M
算法
)
流
程 如 下
:
(
1
)
随机指
定
C
个样
本 点
z ,
(
1
)
,
z :
(
1 )
,
…
,
z
。
(
1
)
为
初
始
聚
类 中
心
;
(
2)
按
照 距
离
最
近 的
原则
,
对 样本集合
聚
类
,
确定每
个
样
本
的
类
属关系
;
(
3
)
使
用公
式
( 1 )
,
计 算新
的聚
类 中
心
z ,
(
k
)
,
z :
(
k
)
.
…
,
z
。
快
) (
k
表
示 迭
代
次
数
)
;
(4
)
重复执行
(2
)
一
(4
)
,
直
到 聚
类 中
心 稳定为止
。
显 然
,
算法受初始值
的影响
很大
,
聚
类
的
结果
往往只 是局
部
最
优
。
即
使对
不
同
的初
始值多次执行该算 法
,
也
只
是在
庞
大
的 初
值
空间
里简单地进行
搜
索
,
其
结
果也很难 达
到
全
局 最优
。
解决算
法
对
于 初始
值
的
敏 感性
问
题
,
相
当于 一 个
全
局
优
化
搜
索
问
题
。
基于
遗传算 法的高效全
局
优 化搜索 能力
以 及
内
在 的 随
机
性和
隐
含的
并行性
,
本文提
出
使
用
遗传算
法
来优化
K
一
M ea
n
s
聚
类 算
法 的初
始
聚
类 中
心
.
算法流程 改变
了
传统
K
-
M ea
n
s
算
法 随
机选取 中
心 的
方法
,
即修改
了上
述
K
一
M ea
n
s
算
法流
程 的
第
( 1)
步
,
采
用
遗传算法来选
择
初
始 的 聚
类中
心
。
朴
)
本文
得到 天
律
市 自然
科
学基金 项 目资 助
(
。。
3 6
。 。
3 1 1 )
.
李 飞 博
士
研
究
生
,
研究方向为智能信息
处
理
、
数据挖掘
和
数据
仓
库 技术
。
黄亚楼
教
授
,
博士
生导
师
,
主要
研
究
方
向为智能
机
器 人
,
智
能
信息处理
,
数据挖
掘
。
白羊的羊
- 粉丝: 35
- 资源: 281
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- html+css+'青春献礼二十大 红色旅游助乡村'为主题的网页设计 2022年参与学校网页设计比赛时完成的
- Unity 模型布尔运算插件
- eCANtools工具,CAN资料包
- 129335283047061xiazaigongjuxiang(去重软件).apk
- Android环境检测工具,检测ksu,lsp,magisk等
- WordPress后台美化插件QuarterAdmin分享
- PCB_Project单片机绘制 (2024-5-11 22-22-13).zip
- nccl-local-repo-ubuntu2204-2.21.5-cuda12.4-1.0-1-amd64
- STM32移植LVGL源码工程 stm32移植GUI-Guider源码 LVGL移植源码
- Screenshot_20240522_084328_com.tencent.mm.jpg
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0