APP下载

基于二分法的K-means算法的实现

2017-10-20陈贤宇李有强吕苗苗卢建成陈文强

无线电通信技术 2017年6期
关键词:效果实验

陈贤宇,李有强,吕苗苗,卢建成,陈文强

(安徽大学 计算机科学与技术学院,安徽 合肥 230039)

基于二分法的K-means算法的实现

陈贤宇,李有强,吕苗苗,卢建成,陈文强

(安徽大学 计算机科学与技术学院,安徽 合肥 230039)

在图像处理大领域内,对特征值的处理尤为重要,而K-means算法是被运用于特征值聚类的重要方法之一,该方法简单快捷,聚类效果较佳,因而被学术界广泛使用。针对传统的K-means算法在进行数据集划分过程中的不足之处,提出了一种基于二分法的K-means聚类算法,该算法对数据集进行划分来选择出下次划分的数据集,以此来形成迭代,实验表明该算法相比于传统算法在划分方面有了明显的改进。

K均值;二分法;聚类中心

0 引言

在数据处理与查询领域,专家学者们提出过很多种有效的方法,其中传统的K-means方法是早期一个基于中心的经典的聚类方法,因其理论研究可靠,算法简单,时间复杂度低而被广泛应用。当然,传统k-means在数据处理方面存在一定缺陷[1-3]:传统的K-means聚类算法对聚类中心的选取有一定的局限性,其过分依赖于聚类中心的选取;实验之前,往往无法确定聚类参数K的取何值时可使得聚类效果更好。所以在实际应用中,就很难获得一个适当的K值来使聚类效果更佳,这样便增加了用户的负担。由上可知传统k-means的这些缺陷使得学者对聚类算法的研究仍在继续,试图找出一种可以代替或者改进传统K-means算法的优质聚类算法。

考虑到传统K-means算法在某些方面的局限性,学者们做过一系列的研究,例如,在离散数据的快速聚类方面,有学者提出k-modes算法,这种算法在保留K-means算法效率的同时又实现了对离散数据的处理,使得实验的应用范围有所扩大。……

登录APP查看全文

猜你喜欢

效果实验
记一次有趣的实验
按摩效果确有理论依据
做个怪怪长实验
迅速制造慢门虚化效果
抓住“瞬间性”效果
模拟百种唇妆效果
NO与NO2相互转化实验的改进
实践十号上的19项实验
3D—DSA与3D—CTA成像在颅内动脉瘤早期诊断中的应用效果比较
组合练习难度大,贴近实战效果佳