对k-means聚类算法的改进研究被引量：6

下载PDF

导出

摘要本文从k-means算法出发,通过分析和比较,提出一种基于Kruskal算法和贪心策略的改进的k-means聚类算法,并对其进行实验分析,改进算法具有比较好的聚类效果,整体分布比较均匀,聚类效率得到了较大的提高。

作者李卫平

机构地区甘肃平凉工业中等专业学校

出处《中国西部科技》 2010年第24期49-50,共2页 Science and Technology of West China

关键词 K-MEANS KRUSKAL算法贪心策略

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献4

1李昕,郑宇,江芳泽.用改进的RPCL算法提取聚类的最佳数目[J].上海大学学报（自然科学版）,1999,5(5):409-413. 被引量：15
2陈恩红,王上飞,宁岩,王煦法.一种利用代表点的有效聚类算法设计与实现[J].模式识别与人工智能,2001,14(4):417-422. 被引量：10
3Dan Pelleg, Andrew Moore. Accelerating exact k-means algorithms with geometric reasoning[J].January 2000, CMU-CS-00-105.
4Vance Faber. Clustering and the Continuous k-Means Algorithm[J].

二级参考文献2

1Cheng C H，Proceedings of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining，1999年，84页
2Zhang T，Proceedings of the ACM SIGMOD International Confernece on Management of Data，1996年，103页

共引文献23

1曹树志,项响琴.基于改进的K_Means算法的城市高架桥交通流分析[J].公路交通科技（应用技术版）,2010,6(10):261-264.
2郭伟,唐晓君,刘万军.一种基于划分的聚类算法分析与改进[J].辽宁工程技术大学学报（自然科学版）,2004,23(6):826-828. 被引量：4
3陈炯,范卓华,张虎.汉语文本聚类及其算法设计[J].山西电子技术,2005(2):29-30. 被引量：3
4杨昔阳,尤飞.用模糊推理机制调整RPCL算法中的惩罚力度[J].纺织高校基础科学学报,2006,19(2):145-148.
5崔文迪,蔡佳佳.基于K-means算法和FCM算法的聚类研究[J].现代计算机,2007,13(10):7-9. 被引量：3
6郭明,丁华福.基于SOM网和K-means的聚类算法[J].计算机与数字工程,2008,36(9):22-24. 被引量：6
7单玉双,邢长征.一种更有效的K-means聚类算法[J].计算机系统应用,2009,18(8):96-99. 被引量：5
8韩春燕.一种改进的K-means算法[J].内江师范学院学报,2009,24(8):27-30.
9毛嘉莉.基于K-means的文本聚类算法[J].计算机系统应用,2009,18(10):85-87. 被引量：9
10孙雪,李昆仑,胡夕坤,赵瑞.基于半监督K-means的K值全局寻优算法[J].北京交通大学学报,2009,33(6):106-109. 被引量：11

同被引文献41

1李天云,李想,刘辉军,王洪涛.基于谱聚类的电力负荷分类[J].吉林电力,2008,36(5):4-6. 被引量：2
2李晓峰,徐玖平,王荫清,贺昌政.BP人工神经网络自适应学习算法的建立及其应用[J].系统工程理论与实践,2004,24(5):1-8. 被引量：77
3杨世兴.煤矿监测监控系统的现状与发展[J].安防科技（安全经理人）,2004(5):39-41. 被引量：32
4陈雷,王延章.熵权法对融合网络服务质量效率保障研究[J].计算机工程与应用,2005,41(23):1-3. 被引量：3
5杨善林,李永森,胡笑旋,潘若愚.K-MEANS算法中的K值优化问题研究[J].系统工程理论与实践,2006,26(2):97-101. 被引量：192
6陈昊,吴杰,高山.模糊聚类分析在分区负荷预测中的应用[J].电力需求侧管理,2006,8(3):12-14. 被引量：7
7赵时,张建文,夏云忠.等.基于家用电器启动的非侵入式负荷识别算法的研究[D].中国矿业大学信息与电气工程学院,2010.
8闫兆振.自适应模糊C-均值聚类算法研究[D].山东科技大学,2010.
9Arend J. Bijker, Xiaohua Xia, Jiangfeng Zhang. Active Power Residential Non-intrusive Appliance Load Monitoring System [C]. IEEE Conferences, Africon, 2009 : 1-6.
10Hala NAJMEDDINE, Khalil EL KHAMLICHI DRISSI, et al. State of Art on Load Monitoring Methods[C]. 2nd IEEE International Conference on Power and Energy, 2008 : 1256-1258.

引证文献6

1李坦,杨洪耕,高云.智能电表家用负荷识别技术综述[J].供用电,2011,28(6):39-42. 被引量：9
2李卓君.一种改进的K-means算法[J].科技创业月刊,2012,25(1):134-135. 被引量：3
3唐波.改进的K-means聚类算法及应用[J].软件,2012,33(3):100-104. 被引量：10
4陈伟,李红,王维.一种基于Python的K-means聚类算法分析[J].数字技术与应用,2017,35(10):118-119. 被引量：6
5杨柳.K-means聚类算法性能分析与优化研究[J].火控雷达技术,2019,48(2):16-19. 被引量：4
6张一帆,胡佳浩,李依桥.基于k-means算法实现商品的聚类研究[J].数字技术与应用,2020,38(4):108-108. 被引量：2

二级引证文献34

1李静,杨洪耕.一种用于家用智能电表的负荷识别方法[J].现代电力,2013,30(5):83-89. 被引量：21
2罗军锋,洪丹丹.基于数据抽样的自动k-means聚类算法[J].现代电子技术,2014,37(8):19-21. 被引量：4
3王悦,冷泳林,鲁富宇,鄂旭.K均值聚类在高校教师评价分析中的应用研究[J].计算机技术与发展,2014,24(5):204-206. 被引量：10
4沈天跃,章守宇,沈蔚,汪振华.现场海域人工鱼礁分布状态聚类分析[J].水产学报,2015,39(9):1350-1358. 被引量：11
5叶菁,黄庆佳.一种基于内核级监测的恶意软件聚类分析方法[J].软件,2017,38(5):1-6.
6李睿,刘同飞.卫星图像传输跟踪优化识别方法仿真研究[J].计算机仿真,2017,34(9):30-33. 被引量：4
7王守相,刘天宇.计及用电模式的居民负荷梯度提升树分类识别方法[J].电力系统及其自动化学报,2017,29(9):27-33. 被引量：18
8刘政,肖森林,陈俊.基于特征相似度的家庭用电负荷识别方法[J].重庆理工大学学报（自然科学）,2018,32(1):174-180. 被引量：4
9叶惠仙.Python在学院招生数据分析中的应用[J].计算机时代,2018(11):102-106. 被引量：5
10赵云,钱斌,王科,李秋硕,孙宇军.基于特征相似度的非侵入式用电负荷识别模型研究[J].电气应用,2015,34(S1):199-203. 被引量：10

1王英,刘天时.基于Kruskal算法的最短路径算法研究[J].重庆文理学院学报（自然科学版）,2009,28(6):37-39. 被引量：5
2林志杰,张友斌,顾静.基于QoS的改进Min–Min调度算法[J].湖南文理学院学报（自然科学版）,2015,27(3):11-13.
3贾俊芳,张日权.基于分布式的大数据集聚类分析[J].计算机工程与应用,2008,44(28):133-135. 被引量：5
4王新奇.最小生成树算法及其应用[J].西安文理学院学报（自然科学版）,2009,12(3):23-26. 被引量：4
5段东东.最小生成树算法及其应用[J].西安电力高等专科学校学报,2010(2):51-53.
6马勇.一种改进的K-means聚类分析算法在医院信息系统中的应用研究[J].信息资源管理学报,2012,2(3):93-96. 被引量：1
7龚静,李安民.一种改进的k-means中文文本聚类算法[J].湖南工业大学学报,2008,22(2):52-54. 被引量：13
8杨超.基于贪心策略自动生成高区分度试卷的方法[J].五邑大学学报（自然科学版）,2011,25(1):61-64.
9郑鹏宇.一种挖掘模糊关联规则的新方法[J].福建电脑,2007,23(3):11-12.
10张英武.一种改进的基于粒子群的离线聚类算法[J].鞍山师范学院学报,2013,15(4):46-49.

中国西部科技

2010年第24期

浏览历史

内容加载中请稍等...

对k-means聚类算法的改进研究被引量：6

参考文献4

二级参考文献2

共引文献23

同被引文献41

引证文献6

二级引证文献34

相关作者

相关机构

相关主题

浏览历史

对k-means聚类算法的改进研究 被引量：6

参考文献4

二级参考文献2

共引文献23

同被引文献41

引证文献6

二级引证文献34

相关作者

相关机构

相关主题

浏览历史

对k-means聚类算法的改进研究被引量：6