由于K-均值聚类算法局部最优的特点,而模拟退火算法理论上具有全局最优的特点。因此,用模拟退火算法对聚类进行了改进。20组聚类仿真表明,平均每次对K结果值改进8次左右,效果显著。下一步工作:实际上在高温区随机生成邻域是个组合爆炸问题(见本人上载软件‘k-均值聚类算法’所述),高温跳出局部解的概率几乎为0,因此正考虑采用凸包约束进行模拟聚类,相关工作正在进行。很快将奉献给各位朋友。
上传时间: 2015-03-18
上传用户:hullow
是K均值算法的一个Linux下的编译的程序,用标准C++编写的
上传时间: 2013-12-27
上传用户:aa54
数据挖掘中K均值算法的实现用MATLAB编写
上传时间: 2015-03-23
上传用户:maizezhen
K均值算法的一个改进算法,简单实用,但是有点简单。
上传时间: 2015-03-29
上传用户:清风冷雨
实现聚类K均值算法: K均值算法:给定类的个数K,将n个对象分到K个类中去,使得类内对象之间的相似性最大,而类之间的相似性最小。 缺点:产生类的大小相差不会很大,对于脏数据很敏感。 改进的算法:k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用,这样的一个medoid就标识了这个类。步骤: 1,任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。 以下是循环的: 2,将余下的对象分到各个类中去(根据与medoid最相近的原则); 3,对于每个类(Oi)中,顺序选取一个Or,计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了,下面就再转到2。 4,这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感,但计算量显然要比K均值要大,一般只适合小数据量。
上传时间: 2015-04-03
上传用户:sardinescn
K-均值算法的c语言实现,他是一种基于样本间相似性度量的间接聚类方法。
上传时间: 2015-04-05
上传用户:zhuimenghuadie
本程序通过k均值算法对两类进行分类。通过任意选择初始点,由k均值很快找到两类的中心点
上传时间: 2014-01-17
上传用户:manlian
实现K均值算法,读取文件,实现K均值的分类。
标签: K均值算法
上传时间: 2015-04-23
上传用户:ghostparker
java 实现K均值算法 编成工具:JBuilder
上传时间: 2014-01-15
上传用户:pompey
RBF神经网络的K均值算法,C程序的,供大家参考!
上传时间: 2013-12-18
上传用户:tyler