典型文献
融合Pearson相似度与最小生成树的K-means算法
文献摘要：
针对传统K-means算法初始化对参数k与初始中心选取敏感问题,提出一种融合Pearson相似度与最小生成树的K-means算法.首先,采用Hermite插值法对数据集进行均差计算,以此确定参数k;其次,计算数据对象间的Pearson相似度并将其作为无向图边的权值,由最小生成树进一步得到k个初始中心;最后,将本文算法同传统K-means和MST-K算法比较.仿真实验结果表明,本文算法在k与初始中心选取的准确性、聚类效果稳定性方面均表现出明显优势.
文献关键词：
K-means;最小生成树;Pearson相似度;均差计算
中图分类号：
作者姓名：
刘哲;周波;余澜婷;牛成钢;许幸满;赵良强;王文丰
作者机构：
南昌工程学院信息工程学院,江西南昌330009;南昌工程学院江西省水信息协同感知与智能处理重点实验室,江西南昌330009;南昌工程学院江西省鄱阳湖水利枢纽建设办公室,江西南昌330009
文献出处：
引用格式：
[1]刘哲;周波;余澜婷;牛成钢;许幸满;赵良强;王文丰-.融合Pearson相似度与最小生成树的K-means算法)[J].南昌工程学院学报,2022(06):91-96
A类：
均差计算
B类：
最小生成树,means,初始化,Hermite,插值法,算数,数据对象,权值,MST,算法比较
AB值：
0.231041
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
