自适应确定K-means算法的聚类数:以遥感图像聚类为例OA北大核心CSCDCSTPCD
Adaptively determining clustering number of K-means: A case study on the clustering from remotely sensed imagery
聚类数直接关系到聚类算法的聚类质量,但在K-means等经典聚类算法中,对于聚类数的确定目前尚无合适的理论,一般凭经验或试凑指定.这样不仅需要较多的人机交互和耗费较多的试算开销,并且由于最优聚类数常常难以获得,而影响聚类结果的精度.本文提出一种自适应逼近最佳聚类数的算法ADNC(adaptively determining the number of clusters),可以通过自适应方法逼近最优聚类数.逼近是一个反复迭代聚类的过程.每迭代一次,…查看全部>>
袁周米琪;周坚华
华东师范大学 地理系,上海200241华东师范大学地理信息科学教育部重点实验室,上海200241
信息技术与安全科学
K-means聚类数自适应
K-meansclustering numberself-adaptation
《华东师范大学学报（自然科学版）》 2014 (6)
城镇绿地植物固碳模型的遥感驱动方法
73-80,89,9
国家自然科学基金项目(41071275)资助国家自然科学基金:国家理科基地科研训练及科研能力提高项目(J1310028)资助
评论