基于核的K-均值聚类OA北大核心CSCDCSTPCD
Kernel-based K-means Clustering
将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类.同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度.为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果.
孔锐;张国宣;施泽生;郭立
中国科学技术大学电子科学与技术系,合肥,230026中国科学技术大学电子科学与技术系,合肥,230026中国科学技术大学电子科学与技术系,合肥,230026中国科学技术大学电子科学与技术系,合肥,230026
信息技术与安全科学
核K-均值聚类K-均值聚类核函数支持向量机
《计算机工程》 2004 (11)
12-13,80,3
高校博士点学科专项基金资助项目(20020358033)
评论