基于直方图峰值优化的阶梯k-means聚类算法

详细信息    查看全文 | 推荐本文 |

	作者：李芝峰 ; 景源 关键词：阶梯K-means算法 ; 降维 ; 直方图峰值 ; 稳定性 中文刊名：DZRU 英文刊名：Electronic Technology & Software Engineering 机构：辽宁大学崇山校区; 出版日期：2019-03-15 出版单位：电子技术与软件工程 年：2019 期：No.152 语种：中文; 页：DZRU201906058 页数：2 CN：06 ISSN：10-1108/TP 分类号：82-83

摘要

本文提出了一种基于直方图峰值优化的阶梯k-means聚类算法,本算法能够根据给定的K值,较快的得到初始聚类中心,能够很有效的减少迭代次数,得到的聚类结果很接近真实数据。
        

引文

[1]薛芯菊.基于Python的K-means算法及其应用[J].科技视界,2018(24):141-142.
    [2]吴斌.相关性加权K-means算法的改进及其应用[D].江西理工大学,2018.
    [3]J.R.Hershey,Z.Chen,J.Le Roux,and S.Watanabe,“Deep clustering:Discriminative embeddings for segmentation and separation,”in Proc.ICASSP,Mar.2016.
    [4]陈利虎,张尔扬,沈荣骏.基于优化初始聚类中心K-Means算法的跳频信号分选[M].国防科技大学学报,2009