当前位置：学术参考网 > kmeans相关期刊
传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心 ...
5.以上主要分析都是针对会议文章的。通过观察1970-2010年的kmeans相关会议文章向期刊文章的转化情况，可以发现IEEE基本不会让期刊文章有爆发式增长，审查还是比较严格的。但是在2012-2016年出现了期刊文章连续4年快速增长的情况。
9627. 国内 计算机 类学术 期刊 ( SCI / EI ) 1. 电子学报 英文版Chinese Journalof Electronics（双月刊） JCR 06 (IF: 0.185; 207 articles); JCR 07 (IF:0.120; 159 articles) …
提供全面的“Kmeans”相关文献（论文）下载，论文摘要免费查询，Kmeans论文全文下载提供PDF格式文件。Kmeans中文、英文词汇释义（解释），“Kmeans”各类研究资料、调研报告等。
通过观察1970-2010年的kmeans相关会议文章向期刊文章的转化情况，可以发现IEEE基本不会让期刊文章有爆发式增长，审查还是比较严格的。但是在2012-2016年出现了期刊文章连续4 年快速增长的情况。初期我推测是否是因为增加了额外的期刊导致论文 ...
K-Means的一个主要缺点是它对聚类中心的平均值的使用很简单幼稚。我们可以通过看下面的图片来了解为什么这不是最好的方法。在左边看起来很明显的是，有两个圆形的聚类，不同的半径以相同的平均值为中心。K-Means无法处理，因为聚类的均值非常接近。
K-means相关会议文章数量在2005-2010和2013-2015几年间出现了爆炸性的增长；却在2010-2011以及2015-2016出现了大幅下跌； K-means期刊文章数量在1990-2012年增长较为平稳，而在2012-2016年出现了连续4年的高速增长。论文数量的变化趋势-原因分析
针对分布式Canopy-Kmeans算法中Canopy选取的随机性问题,采用“最小最大原则”对该算法进行了改进,避免了Cannopy选取的盲目性;采用MapReduce并行计算框架对算法进...
1969-2016年,每年IEEE收录关于kmeans的论文数量如下图。其中蓝色表示当年总文章数量,绿色表示当年期刊论文数量,红色表示当年会议文章数量。从图中可以得出以...
近日,重庆邮电大学计算智能重庆市重点实验室夏书银和王国胤等研究人员的最新研究成果“AFastAdaptivek-meanswithNoBounds”(一种无界的快速自适应精确k-means算法)在人工智能...
1969-2016年,每年IEEE收录关于kmeans的论文数量如下图。其中蓝色表示当年总文章数量,绿色表示当年期刊论文数量,红色表示当年会议文章数量。从图中可以得出以...
【摘要】:为了实现在网络资源中为网络用户提供针对兴趣爱好的推荐项目,提出了一种基于K-means聚类的应用于动态多维社会网络的个性化推荐算法.首先根据用户评分数据对用户进行...
多核学习,多核k-means,多核聚类,XinwangLiu封神之作,相继发表在各大顶会,TPAMI顶级期刊上暂无标签发行版暂无发行版贡献者(1)全部近期动态1年多前创建了仓库深圳市...
与"Kmeans"相关的文献前10条更多文献>>1.采用Kmeans聚类与多光谱阈值相结合的方法进行云检测。在地物光谱分析的基础上,应用Kmeans聚类算法对聚类特征数据初始分为两类,第...
【摘要】为了解决K-means算法在聚类数量增多的情况下,因选择了不合适的中心初值而影响到聚类效果这一问题,提出了一种局部迭代的快速K-means聚类算法(PartialI...
针对K-means算法中对初始聚类中心和孤立点敏感的缺点,我们通过从密度和距离两个方面的改进,提出新的改进K-means算法.该算法引入特征权重,从近邻密度出发,去除...
采用因子分析方法最大程度地消除了指标间的相关性,并从多个复杂性评价指标中提取了空中交通总量和空中交通密度2个因子;基于所提取的因子,建立了空中交通复杂性综合评价函数,并利用K-m...