版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、傳統(tǒng)的K-均值算法(K-meansclustering)是一種得到最廣泛使用的聚類算法。其應(yīng)用領(lǐng)域非常廣泛,包括文本聚類、圖像及語音數(shù)掘壓縮,使用徑向基函數(shù)網(wǎng)絡(luò)進(jìn)行系統(tǒng)建模的數(shù)據(jù)預(yù)處理,以及異構(gòu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的任務(wù)分解。而且對大型數(shù)據(jù)集而言,K-均值算法是具有相對可伸縮的和高效的性能。由于K-均值算法聚類效果依賴于數(shù)值K的確定、聚類中心的初始位置和相似度量的計(jì)算等的選取,并且K-均值算法是一個常用的局部搜索算法,它的主要缺陷是容易陷入局
2、部極小值,該局部最小值與全局部最優(yōu)解往往有很大的偏差。 針對K-均值算法中的不足,從幾個方面對傳統(tǒng)的K-均值算法進(jìn)行改進(jìn),首先提出了一種間接的學(xué)習(xí)權(quán)值算法可以得到一個好的距離度量,即如何學(xué)習(xí)加權(quán)距離式中的特征權(quán)值,以改進(jìn)K-均值算法的聚類性能。該算法主要是構(gòu)造一個評價函數(shù),采用梯度下降技術(shù)極小化評價函數(shù)來降低相似矩陣的模糊性。通過評價函數(shù)求權(quán)值偏導(dǎo)數(shù)逐次調(diào)整權(quán)值,每次計(jì)算偏導(dǎo),應(yīng)用公式更新權(quán)值。如果評價函數(shù)的值低于或等于一個最小
3、閾值或者迭代次數(shù)超過某一次數(shù)閾值時結(jié)束學(xué)習(xí)。當(dāng)一組向量相似性較大時,可以通過學(xué)習(xí)特征權(quán)值改變它們屬于同一類的程度,使其相似性變大。當(dāng)一組向量相似性較小時,可以通過學(xué)習(xí)特征權(quán)值減少它們的相似性。因此這樣通過極小化評價函數(shù)學(xué)習(xí)到的即為特征向量的權(quán)值,改善了聚類性能。其次提出針對參數(shù)K值的學(xué)習(xí)算法,初步使用了遺傳算法選擇較優(yōu)的K值。雖然還沒有提出尋找K值的方法,仍然是可以通過對不同值的實(shí)驗(yàn)決定具體取值。最后,基于傳統(tǒng)K-均值算法實(shí)施的各個環(huán)節(jié)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聚類分析中k-均值方法的研究.pdf
- K-近鄰、K-均值及其在文本分類中的應(yīng)用.pdf
- 基于模糊k-均值聚類分析的內(nèi)陸無水港選址問題研究.pdf
- 聚類分析中基于投影的k均值算法.pdf
- K-均值聚類算法的研究與分析.pdf
- 一種基于遺傳算法的k均值聚類分析.pdf
- K-中心點(diǎn)和K-均值聚類算法研究.pdf
- 基于改進(jìn)K-均值算法的入侵檢測方法研究.pdf
- 基于模糊K-均值算法的模糊分類器設(shè)計(jì).pdf
- 基于K-近鄰算法的文本自動分類.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- 基于改進(jìn)的K-均值算法的樸素貝葉斯分類及應(yīng)用.pdf
- 基于并行K-均值算法的網(wǎng)絡(luò)廣告精確營銷系統(tǒng)設(shè)計(jì).pdf
- 基于人工蜂群算法的改進(jìn)K-均值聚類算法及其應(yīng)用.pdf
- 40685.基于k均值聚類分析和bp網(wǎng)絡(luò)算法的手機(jī)套餐設(shè)計(jì)
- 基于k-近鄰算法的圖像與文本互檢索方法.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)和K-均值聚類的分類器設(shè)計(jì).pdf
- 數(shù)據(jù)挖掘k-均值算法實(shí)現(xiàn)開題報告、文獻(xiàn)綜述
- 數(shù)據(jù)挖掘k-均值算法實(shí)現(xiàn)開題報告、文獻(xiàn)綜述
- 自動k-均值聚類的變量選擇與異常檢測.pdf
評論
0/150
提交評論