论文摘要：基于粒计算的聚类算法研究——K-medoids算法的初始中心选择

跟着新颖高科技程度的连接普及、搜集的迅猛兴盛、计划机本领的连接变革和革新，大量量的数据连接展示。还好吗从那些数据中索取有意旨有价格的消息变成人们从来关心的题目。跟着百般新题目的连接展示，对聚类领会本领处置数据的本领的诉求越来越高，该本领面对的挑拨堪称是一个接一个。要想将那些新展示的题目十足处置掉，惟有一个本领，那即是将聚类算法再矫正，再不于处置那些题目。所以，形形色色的新聚类算法应运而生，固然也囊括鉴于分别的聚类算法，那些算法在本质的运用中都博得了憧憬的功效。    因为实际寰球中的消息很不透彻，也不决定，更不完备，以至很朦胧，这就使得不决定性推导的运用显得要害无比。由于粒计划比拟适合生人对题目求解的客观的顺序，又不妨涵盖朦胧集、精细集表面等较多的范围，以是，在处置朦胧、不决定常识的功夫，在用常识来举行推导的功夫，粒计划具备宏大的上风、后劲。    正文在聚类领会、粒计划表面国表里接洽近况的普通上，引见了聚类的设置及聚类算法的品种，精细阐明了K-均值聚类算法和K-重心点聚类算法的基础道理并对它们的本能举行领会，对连年来各鸿儒对鉴于分别的聚类算法的接洽近况举行了梳理，对其简直运用范例做了扼要引见。将粒子、档次的观念给出，又引见了等第、构造的设置，对相关粒计划的少许基础的题目做了扼要证明，对波及粒计划的3 个重要的计划模子举行了大略的刻画，对粒度道理在聚类中的应用举行了中心阐明，按照粒度领会的道理，给出了聚类算法的新框架。正文的特性：提出了2 种新的算法，即：2 种新的决定最好的初始重心的K-medoids 聚类算法，对2 种算法的思绪及算法的办法做了精细阐明，先是在人为模仿的数据集上对算法举行仿真的试验，后又经过UCI 呆板进修数据库的规范数据集上对2 种算法举行试验，证领会2 种算法的灵验性。 

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/216126.html