期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到45,417篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于K-medoids聚类处理的梯级水利枢纽信息智能整合方法
1
作者 亓振涛 《电子设计工程》 2025年第3期13-17,23,共6页
为了提高梯级水利枢纽信息在实际工作中的利用率,提出基于K-medoids聚类处理的梯级水利枢纽信息智能整合方法。从项目信息、水文、枢纽设备等方面,采集梯级水利枢纽信息,针对不同信息类型通过清洗、归一化等步骤,完成初始信息的预处理... 为了提高梯级水利枢纽信息在实际工作中的利用率,提出基于K-medoids聚类处理的梯级水利枢纽信息智能整合方法。从项目信息、水文、枢纽设备等方面,采集梯级水利枢纽信息,针对不同信息类型通过清洗、归一化等步骤,完成初始信息的预处理。以梯级水利枢纽信息特征的提取结果为处理对象,利用K-medoids处理技术完成梯级水利枢纽信息的聚类,通过整合信息的冗余过滤,得出信息智能整合结果。通过性能测试实验得出结论:与传统整合方法相比,优化方法的完整度提高了6.06%、冗余度降低了1.79%,同时整合信息具有更高的利用率。 展开更多
关键词 k-medoids聚类处理技术 梯级水利枢纽 水利信息 信息整合
在线阅读 下载PDF
基于K-medoids聚类的异构环境多源烟草物流数据集成方法研究
2
作者 郭光根 何蕊 张玉军 《科技创新与应用》 2024年第35期39-43,共5页
由于烟草物流行业在运营过程中涉及的数据来源极其广泛且多样,数据不仅格式各异、结构复杂,而且往往分散存储在不同的信息系统中,导致物流数据在集成的过程中,出现数据吞吐量较低的现象。针对上述现象,提出基于K-medoids聚类的异构环境... 由于烟草物流行业在运营过程中涉及的数据来源极其广泛且多样,数据不仅格式各异、结构复杂,而且往往分散存储在不同的信息系统中,导致物流数据在集成的过程中,出现数据吞吐量较低的现象。针对上述现象,提出基于K-medoids聚类的异构环境多源烟草物流数据集成方法。通过欠采样平衡类别分布,利用数据相关性和阈值清洗剔除冗余信息,提高异构环境多源烟草物流数据质量,设计基于K-medoids聚类的烟草物流数据集成框架,使用迁移学习动态调整源域权重以优化目标域聚类性能,引入带有相似性约束的新数据点作为初始聚类中心,实现异构环境多源烟草物流数据的有效集成。实验结果表明,设计方法通过聚类算法能够将来自不同数据源的数据进行有效分组和整合,降低数据处理的复杂性,提高数据集成的吞吐量。 展开更多
关键词 k-medoids聚类 异构环境 多源数据 烟草物流数据 数据集成方法
在线阅读 下载PDF
油气工程多源信息数据K-medoids聚类集成研究
3
作者 高丽娟 王志伟 +1 位作者 李明江 曲晓慧 《计算机仿真》 2024年第11期127-131,共5页
油气工程领域的信息数据量庞大且源自多元渠道,数据分布广泛且质量参差不齐,直接整合所有数据点进行集成往往会导致信息矩阵质量退化,难以满足实际应用需求,提出基于K-medoids聚类的油气工程多源信息数据集成算法。首先,构建多源数据集... 油气工程领域的信息数据量庞大且源自多元渠道,数据分布广泛且质量参差不齐,直接整合所有数据点进行集成往往会导致信息矩阵质量退化,难以满足实际应用需求,提出基于K-medoids聚类的油气工程多源信息数据集成算法。首先,构建多源数据集,基于决策图选择多源数据代表点;然后基于最近邻近似原则混合代表策略,构建稀疏亲和子矩阵并进行稀疏化处理,结合最近代表快速近似方法获取油气工程多源信息数据的基聚类结果;最后,利用拉格朗日函数对基聚类后的结果赋权,计算聚类成本,完成油气工程多源信息数据的集成。通过实验证明:所提方法对数据集的平均迭代次数较低,CA始终保持在96%以上,NMI值保持在0.94以上,曲线平稳波动幅度较小,说明聚类集成准确性较高,效果较好。 展开更多
关键词 k-medoids聚类 多源信息数据 决策图 稀疏亲和子矩阵 基聚类
在线阅读 下载PDF
基于k-Medoids聚类和深度学习的分布式短期负荷预测
4
作者 杨玺 陈爽 +2 位作者 彭子睿 高镇 王安龙 《微型电脑应用》 2024年第1期80-83,共4页
为了获得较高的预测精度,提出一种基于k-Medoids聚类和深度学习的分布式短期负荷预测。基于配电变压器的能耗分布,采用k-Medoids聚类将电力负荷数据集中的数据进行聚类,并构建基于深度神经网络(DNN)和长短期记忆网络(LSTM)的短期负荷预... 为了获得较高的预测精度,提出一种基于k-Medoids聚类和深度学习的分布式短期负荷预测。基于配电变压器的能耗分布,采用k-Medoids聚类将电力负荷数据集中的数据进行聚类,并构建基于深度神经网络(DNN)和长短期记忆网络(LSTM)的短期负荷预测模型。在拥有1000个变电站数据子集的武汉配电网络系统中进行验证,验证结果表明,所提的kMedoids聚类可以在减少44%训练时间的基础上拟合出单个变压器预测模型的平均参数,且DNN和LSTM预测模型分别以7.32%和11.15%的平均绝对百分比误差(MAPE)跟踪实际负荷。 展开更多
关键词 短期负荷预测 k-medoids聚类 深度学习 深度神经网络 长短期记忆网络
在线阅读 下载PDF
基于粒计算的K-medoids聚类算法 被引量：39
5
作者 马箐 谢娟英 《计算机应用》 CSCD 北大核心 2012年第7期1973-1977,共5页
传统K-medoids聚类算法的聚类结果随初始中心点不同而波动,且计算复杂度较高不适于处理大规模数据集;快速K-medoids聚类算法通过选择合适的初始聚类中心改进了传统K-medoids聚类算法,但是快速K-medoids聚类算法的初始聚类中心有可能位... 传统K-medoids聚类算法的聚类结果随初始中心点不同而波动,且计算复杂度较高不适于处理大规模数据集;快速K-medoids聚类算法通过选择合适的初始聚类中心改进了传统K-medoids聚类算法,但是快速K-medoids聚类算法的初始聚类中心有可能位于同一类簇。为克服传统K-medoids聚类算法和快速K-medoids聚类算法的缺陷,提出一种基于粒计算的K-medoids聚类算法。算法引入粒度概念,定义新的样本相似度函数,基于等价关系产生粒子,根据粒子包含样本多少定义粒子密度,选择密度较大的前K个粒子的中心样本点作为K-medoids聚类算法的初始聚类中心,实现K-medoids聚类。UCI机器学习数据库数据集以及随机生成的人工模拟数据集实验测试,证明了基于粒计算的K-medoids聚类算法能得到更好的初始聚类中心,聚类准确率和聚类误差平方和优于传统K-medoids和快速K-medoids聚类算法,具有更稳定的聚类结果,且适用于大规模数据集。 展开更多
关键词 传统k-medoids聚类算法 快速k-medoids聚类算法 粒计算 等价关系 聚类
在线阅读 下载PDF
基于k-medoids聚类算法的异常低压台区线损识别方法研究
6
作者 吴化委 强利军 马晓伟 《现代工业经济和信息化》 2024年第11期286-288,共3页
研究通过引入k-means聚类算法,致力于在复杂电网环境中提高线损准确性。通过采集大量电力系统数据,运用k-medoids聚类算法对数据进行分组,识别异常模式。研究结果表明,k-medoids聚类算法在异常低压台区线损识别方面表现出色,相较于传统... 研究通过引入k-means聚类算法,致力于在复杂电网环境中提高线损准确性。通过采集大量电力系统数据,运用k-medoids聚类算法对数据进行分组,识别异常模式。研究结果表明,k-medoids聚类算法在异常低压台区线损识别方面表现出色,相较于传统方法更具准确性和鲁棒性。在实际应用中,该方法成功应用于特定电网台区,实现了对异常线损的实时监测和精准定位。本次研究对于提高电力系统稳定性以及工作效率提供了技术支持,促进了电力行业的可持续发展。 展开更多
关键词 k-medoids聚类算法 异常低压台区 线损
在线阅读 下载PDF
基于K-Medoids聚类的改进KNN文本分类算法 被引量：25
7
作者 罗贤锋 祝胜林 +1 位作者 陈泽健 袁玉强 《计算机工程与设计》 CSCD 北大核心 2014年第11期3864-3867,3937,共5页
为有效提高传统KNN算法(K最近邻算法)在海量数据的分类效率,分析传统KNN算法的分类过程,提出基于K-Medoids聚类的改进KNN算法。利用K-Medoids算法对文本训练集进行聚类,把文本训练集分成相似度较高的簇;根据待分类文本与簇的相对位置,... 为有效提高传统KNN算法(K最近邻算法)在海量数据的分类效率,分析传统KNN算法的分类过程,提出基于K-Medoids聚类的改进KNN算法。利用K-Medoids算法对文本训练集进行聚类,把文本训练集分成相似度较高的簇;根据待分类文本与簇的相对位置,对文本训练集进行裁剪,解决传统KNN算法在文本训练集过大时速度慢的问题。分析与实验结果表明,该裁剪方法能够合理有效地裁剪文本训练集,提高了KNN算法的运行效率和分类能力。 展开更多
关键词 文本分类 隶属度 K最近邻 样本裁剪 k-medoids聚类
在线阅读 下载PDF
基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法 被引量：123
8
作者 王群 董文略 杨莉 《中国电机工程学报》 EI CSCD 北大核心 2015年第11期2654-2661,共8页
随着风电、光伏等可再生能源发电渗透率的增加,电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限制。针对该问题,提出... 随着风电、光伏等可再生能源发电渗透率的增加,电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限制。针对该问题,提出一种经典场景集生成算法。该算法首先利用Wasserstein概率距离指标,将单一时刻的风/光出力连续分布概率函数转化为含精确概率信息的最优分位点,随后综合考虑计算规模和概率信息损失,对整个调度区间进行合理划分,段内采用基于改进的K-medoids并行聚类算法进行消减,段间进行场景融合,通过迭代消减、融合运算,形成覆盖整个调度区间的经典场景集。算例中采用国电云南分布式发电示范工程实际数据,结果显示所提出的经典场景集生成算法具有概率信息准确、求解效率高等特点。 展开更多
关键词 可再生能源 不确定性 经典场景集 场景消减 Wasserstein概率距离指标 k-medoids聚类
在线阅读 下载PDF
基于K-Medoids聚类的多传感器航迹关联算法 被引量：5
9
作者 徐丽 马培军 苏小红 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2012年第1期107-110,148,共5页
为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了... 为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境. 展开更多
关键词 航迹关联 k-medoids聚类 无穷范数 多传感器 多目标
在线阅读 下载PDF
方差优化初始中心的K-medoids聚类算法 被引量：13
10
作者 谢娟英 高瑞 《计算机科学与探索》 CSCD 北大核心 2015年第8期973-984,共12页
针对快速K-medoids聚类算法存在密度计算复杂耗时和初始聚类中心可能位于同一类簇的缺陷,以及基于邻域的K-medoids算法的邻域半径需要人为给定一个调节系数的主观性缺陷,分别以样本间距离均值和相应样本的标准差为邻域半径,以方差作为... 针对快速K-medoids聚类算法存在密度计算复杂耗时和初始聚类中心可能位于同一类簇的缺陷,以及基于邻域的K-medoids算法的邻域半径需要人为给定一个调节系数的主观性缺陷,分别以样本间距离均值和相应样本的标准差为邻域半径,以方差作为样本分布密集程度的度量,选取方差值最小且其间距离不低于邻域半径的样本为K-medoids的初始聚类中心,提出了两种方差优化初始中心的K-medoids算法。在UCI数据集和人工模拟数据集上进行了实验测试,并对各种聚类指标进行了比较,结果表明该算法需要的聚类时间短,得到的聚类结果优,适用于较大规模数据集的聚类。 展开更多
关键词 方差 标准差 邻域 初始聚类中心 k-medoids聚类
在线阅读 下载PDF
基于K-medoids聚类算法的梯级水利枢纽信息资源整合方法
11
作者 刘浩杰 冯庆 +2 位作者 梁建波 何成威 吴鼎 《水利技术监督》 2024年第7期16-19,共4页
在梯级水利枢纽信息资源整合时,传统的算法只能对单源信息进行聚类分析,资源整合效率低。针对上述问题,文章提出基于K-medoids聚类算法的梯级水利枢纽信息资源整合方法。建立一个完善的整合机制,设计水利枢纽信息资源整合模型,该模型能... 在梯级水利枢纽信息资源整合时,传统的算法只能对单源信息进行聚类分析,资源整合效率低。针对上述问题,文章提出基于K-medoids聚类算法的梯级水利枢纽信息资源整合方法。建立一个完善的整合机制,设计水利枢纽信息资源整合模型,该模型能全面有效地整合各种信息资源,确定水利枢纽信息资源的利用系数,通过评估和调整该系数可以优化信息资源的配置和使用。实验证明,该方法可以提高资源整合效率,应用效果良好,具有实际应用价值。 展开更多
关键词 k-medoid聚类算法 水利枢纽信息 资源整合 利用系数
在线阅读 下载PDF
基于宽度优先搜索的K-medoids聚类算法 被引量：5
12
作者 颜宏文 周雅梅 潘楚 《计算机应用》 CSCD 北大核心 2015年第5期1302-1305,共4页
针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略。首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点... 针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略。首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点,同时采用簇间距离和簇内距离优化准则函数。实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率。 展开更多
关键词 k-medoids聚类算法 粒计算 相似对象二叉树 宽度优先搜索 适应度函数
在线阅读 下载PDF
基于稠密区域的K-medoids聚类算法 被引量：6
13
作者 赵湘民 陈曦 潘楚 《计算机工程与应用》 CSCD 北大核心 2016年第16期85-89,99,共6页
针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出K个密度大且距离较远的稠密区域,把对应的... 针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出K个密度大且距离较远的稠密区域,把对应的稠密区域的核心对象作为聚类算法的K个初始中心点;其次,把K个中心点搜索更新范围锁定在所选的K个有效稠密区域里。新算法在Iris、Wine、PId标准数据集中测试,获取了理想中心点和稠密区域,并且在较少的迭代次数内收敛到最优解或近似最优解。 展开更多
关键词 k-medoids聚类算法 稠密区域 初始中心点 中心点搜索更新
在线阅读 下载PDF
基于EK-medoids聚类和邻域距离的特征选择方法 被引量：1
14
作者 孙印杰 张新乐 孙林 《计算机应用研究》 CSCD 北大核心 2019年第8期2279-2283,共5页
针对传统聚类算法中只注重数据间的距离关系而忽视数据全局性分布结构的问题,提出一种基于EK-medoids聚类和邻域距离的特征选择方法。首先,用稀疏重构的方法计算数据样本之间的有效距离,构建基于有效距离的相似性矩阵;然后,将相似性矩... 针对传统聚类算法中只注重数据间的距离关系而忽视数据全局性分布结构的问题,提出一种基于EK-medoids聚类和邻域距离的特征选择方法。首先,用稀疏重构的方法计算数据样本之间的有效距离,构建基于有效距离的相似性矩阵;然后,将相似性矩阵应用到K-medoids聚类算法中,获取新的聚类中心,进而提出EK-medoids聚类算法,可有效对原始数据集进行聚类;最后,根据划分结果所构成簇的邻域距离给出确定数据集中的属性重要度定义,应用启发式搜索方法设计一种EK-medoids聚类和邻域距离的特征选择算法,降低了聚类算法的时间复杂度。实验结果表明,该算法不仅有效地提高了聚类结果的精度,而且也可选择出分类精度较高的特征子集。 展开更多
关键词 特征选择 有效距离 k-medoids聚类 邻域距离
在线阅读 下载PDF
两种新搜索策略对K-medoids聚类算法建模 被引量：6
15
作者 潘楚 张天伍 罗可 《小型微型计算机系统》 CSCD 北大核心 2015年第7期1453-1457,共5页
针对传统K-medoids聚类算法对初始化敏感,中心点盲目搜索更新和聚类准确率不够高等缺点,提出新的改进算法.新算法首先对原始粒计算进行改进,利用改进的粒计算有效初始化K个中心点;其次以K个初始中心点为基点,提出两种中心点搜索更新策略... 针对传统K-medoids聚类算法对初始化敏感,中心点盲目搜索更新和聚类准确率不够高等缺点,提出新的改进算法.新算法首先对原始粒计算进行改进,利用改进的粒计算有效初始化K个中心点;其次以K个初始中心点为基点,提出两种中心点搜索更新策略,以提高中心点更新效率;同时采用簇内距离和簇间距离改进传统准则函数,以提高聚类精度.实验结果表明:新算法在UCI中Iris、Wine标准数据集中进行测试,获取了理想的初始中心点,在较少的迭代次数内寻找到最优解,并且大幅度提高了聚类准确率. 展开更多
关键词 k-medoids聚类算法 粒计算 搜索策略 准则函数
在线阅读 下载PDF
基于模糊密度K-medoids聚类和NSGA-Ⅱ算法的绿色分时电价优化研究 被引量：6
16
作者 宋宗耘 张健 +1 位作者 牛东晓 肖鑫利 《智慧电力》 北大核心 2019年第3期38-45,共8页
立足可再生能源配额制研究背景,将分时电价与绿色证书机制相结合,提出一种包含分时电力交易和绿色证书交易的绿色分时电价机制。深入分析了绿色分时电价机制下用户需求响应,构建了基于模糊密度Kmedoids聚类的峰谷平阶段划分模型,以峰谷... 立足可再生能源配额制研究背景,将分时电价与绿色证书机制相结合,提出一种包含分时电力交易和绿色证书交易的绿色分时电价机制。深入分析了绿色分时电价机制下用户需求响应,构建了基于模糊密度Kmedoids聚类的峰谷平阶段划分模型,以峰谷差为优化目标的基于NSGA-Ⅱ算法的绿色分时电价优化模型。优化结果显示,绿色分时电价能更好地调动起电力用户改变用电习惯的积极性,在削峰填谷的同时促进可再生能源的发展。 展开更多
关键词 绿色分时电价 模糊密度k-medoids聚类 削峰填谷 NSGA-II
在线阅读 下载PDF
基于改进粒计算的K-medoids聚类算法 被引量：11
17
作者 潘楚 罗可 《计算机应用》 CSCD 北大核心 2014年第7期1997-2000,共4页
针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策略和优化适应度函数的新算法。该算法利用粒计算思想在有效粒子中选择K个密度大且距离较远的粒子,选择其... 针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策略和优化适应度函数的新算法。该算法利用粒计算思想在有效粒子中选择K个密度大且距离较远的粒子,选择其中心点作为K个聚类初始中心点;并在对应的K个有效粒子中进行中心点更新,来减少迭代次数;采用类间距离和类内距离优化适应度函数来提高聚类的精度。实验结果表明:该算法在UCI多个标准数据集中测试,在有效缩短迭代次数的同时提高了算法聚类准确率。 展开更多
关键词 k-medoids聚类算法 改进粒计算 粒度迭代搜索策略 优化适应度函数
在线阅读 下载PDF
基于改进K-medoids聚类和SVM的异常用电模式在线检测方法 被引量：12
18
作者 胡聪 徐敏 +3 位作者 洪德华 刘翠玲 薛晓茹 王海鑫 《国外电子测量技术》 北大核心 2022年第2期53-59,共7页
窃电已成为电网电能非技术损失的主要问题,快速捕捉用户用电异常行为数据,精准定位窃电用户位置成为研究关键。针对现有异常用电辨识精度低的问题,提出一种基于改进K-medoids聚类和支持向量机(support vector machines,SVM)的用电异常... 窃电已成为电网电能非技术损失的主要问题,快速捕捉用户用电异常行为数据,精准定位窃电用户位置成为研究关键。针对现有异常用电辨识精度低的问题,提出一种基于改进K-medoids聚类和支持向量机(support vector machines,SVM)的用电异常行为在线检测方法。首先提取并分析电网电量及其相关表征数据,在此基础上构建基于用电量、线损等用电异常参数特性表征指标;然后对用户用电相关数据进行清洗、缺省值补全,并采用基于密度权重Canopy的改进K-medoids算法将异常数据依据表征指标进行标签化聚类;最后将已获得标签的数据采用SVM分类器进行训练进一步完成异常参数的检测和评估,并通过电网实际运行数据验证了所提异常数据辨识方法的检测精度,研究可为电网异常用电的辨识提供理论基础。 展开更多
关键词 用电异常 电力数据 改进k-medoids聚类 支持向量机 辨识精度
在线阅读 下载PDF
一种基于标准差的K-medoids聚类算法 被引量：5
19
作者 邓玉芳 张继福 《计算机技术与发展》 2020年第8期53-60,共8页
K-medoids聚类分析具有对孤立点敏感度较低和良好的鲁棒性等特点,但由于初始聚类中心的选取和中心点迭代更新等,聚类精度和效率较低。文中根据标准差体现数据离散程度,定义了初始中心点候选集,给出了一种基于标准差的K-medoids聚类算法... K-medoids聚类分析具有对孤立点敏感度较低和良好的鲁棒性等特点,但由于初始聚类中心的选取和中心点迭代更新等,聚类精度和效率较低。文中根据标准差体现数据离散程度,定义了初始中心点候选集,给出了一种基于标准差的K-medoids聚类算法。该算法首先利用标准差定义了初始中心点候选集,并采用逐步增加的方式确定初始中心点,从而保证了选取密集程度较大的样本点作初始聚类中心点,同时避免选取到密集程度较低的样本点尤其是孤立点作为初始中心点;其次,按照数据样本归属于最近的中心点的原则,形成初始聚类簇,不断更新聚类中心点,直到聚类误差平方和相同为止,形成聚类簇;最后,在UCI数据集和人工数据集上的实验验证了该聚类算法具有良好的聚类精度、效率和鲁棒性。 展开更多
关键词 k-medoids聚类算法 初始中心点 标准差 UCI数据集
在线阅读 下载PDF
一种高效的K-medoids聚类算法 被引量：47
20
作者 夏宁霞 苏一丹 覃希 《计算机应用研究》 CSCD 北大核心 2010年第12期4517-4519,共3页
针对K-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进K-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实... 针对K-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进K-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实验结果表明,相对于传统的K-medoids算法,新算法可以提高聚类质量,有效缩短计算时间。 展开更多
关键词 聚类 k-medoids算法 中心微调 增量候选
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部