學(xué)習(xí)筆記，僅供參考，有錯(cuò)必究

關(guān)鍵詞：k均值；解決方案改進(jìn)；準(zhǔn)確的k均值；迭代改進(jìn)

---

I-k-means-+:An iterative clustering algorithm based on an enhanced version of the k -means

摘要

k-means試圖最小化作為其目標(biāo)函數(shù)的來自每個(gè)聚類的均值(SSEDM)的平方歐幾里德距離的和。這種算法雖然有效，但對(duì)初始中心過于敏感。因此，文獻(xiàn)中的許多方法都集中于確定合適的初始中心。然而，選擇合適的初始中心并不總是可能的，尤其是當(dāng)集群的數(shù)量增加時(shí)。

本文提出了一種迭代方法來提高k-均值算法產(chǎn)生的解的質(zhì)量。這種方法試圖通過移除一個(gè)聚類(負(fù))，劃分另一個(gè)聚類(正)，并在每次迭代中再次應(yīng)用重新聚類來迭代地提高k均值的解的質(zhì)量。這種方法稱為迭代k-均值減-加(I-k-均值+)。使用一些方法來確定應(yīng)該移除哪個(gè)聚類、應(yīng)該劃分哪個(gè)聚類以及如何加速重新聚類過程，來加速I-k均值。

實(shí)驗(yàn)結(jié)果表明，在最小化SSEDM方面，I-k-means+可以優(yōu)于k-means ++，被稱為k-means的精確版本之一。在某些情況下，I-k -means +的精度比k-means和k-means+高大約2倍，而它比k-means ++更快，并且與k-means相比具有合理的運(yùn)行時(shí)間。

Introduction

總結(jié)

以上是生活随笔為你收集整理的文献记录(part89)--I-k-means-+:An iterative clustering algorithm based on an enhanced k -means的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。