| 数据挖掘论文 基于K-中心点算法实现，共18页，4363字 一、 算法描述 k中心点算法：首先为每一个簇随意选择一个代表对象；剩余的对象其与代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表对象，以改进聚类的质量。聚类结果的质量用一个代价函数来估算，该函数度量对象与其参与对象之间的平均相异度。为了确定非代表对象 是否是当前代表对象 的好的替代，对于每一个非代表对象P，考虑以下四种情况。 ...... |
查看评论
已有0位网友发表了看法
| 数据挖掘论文 基于K-中心点算法实现，共18页，4363字 一、 算法描述 k中心点算法：首先为每一个簇随意选择一个代表对象；剩余的对象其与代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表对象，以改进聚类的质量。聚类结果的质量用一个代价函数来估算，该函数度量对象与其参与对象之间的平均相异度。为了确定非代表对象 是否是当前代表对象 的好的替代，对于每一个非代表对象P，考虑以下四种情况。 ...... |