资源简介
针对k均值聚类算法存在的缺点，提出了一种新的聚类算法———基于粒子群的k 均值聚类算法，并将此算法与现有的基于遗传算法的k均值聚类算法进行比较, 理论分析和数据实验证明，该算法有较好的全局收敛性，不仅能有效地克服传统的k 均值算法易陷入局部极小值的缺点，而且全局收敛能力优于基于遗传算法的k均值聚类算
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 282890 2018-07-08 17:35 K均值聚类算法.pdf
----------- --------- ---------- ----- ----
文件 282890 2018-07-08 17:35 K均值聚类算法.pdf
- 上一篇：基于dwt的数字水印彩色图像水印的嵌入与提取
- 下一篇：全国省市区经纬度.xlsx
相关资源
- 灰狼优化算法和粒子群优化算法比较
- 超像素分割SLIC（简单线性迭代聚类）
- 模糊聚类分析在数据挖掘中的应用研
- SPSS视频教程6——聚类分析
- 不确定性数学方法及其应用
- Data clustering theory algorithms and applicat
- 粒子群算法及应用
- 《粒子群算法及其工业应用-钱锋著
- Data clustering algorithms and application
- 机器学习（k - means聚类）
- 模式分类第二版Richard O.Duda
- 粒子群算法实战分享 动画PPT
- 多目标粒子群算法分享 - CSDN博主dkj
- GeoDa使用手册中文版
- 基于聚类（Kmeans）算法实现的客户价
- 基于谱聚类的金融时间序列数据挖掘
- coil-100.zip
- 基于遗传算法的聚类分析论文
- 小波变换聚类
- Gap Statistic算法研究
- 遗传模拟退火算法在k_means聚类中的应
- 聚类分析聚类算法综述ppt
- 基于UCI中Car Evaluation数据集的分类、回
- 基于 K-means 聚类算法的图像区域分割
- 论文研究-基于模糊聚类分析的客户分
- 划分聚类分析： K均值和基于中心点的
- 一种基于用户需求的加权模糊聚类分
- 基于遗传模拟退火算法的聚类算法
- 一种改进的自适应快速AF-DBSCAN聚类算
- 自组织神经网络 R语言编写
川公网安备 51152502000135号
评论
共有 条评论