典型文献
基于犹豫模糊Canopy-K均值聚类算法的研究与应用
文献摘要：
针对传统K均值聚类算法对初始值敏感、易陷入局部极值点,导致数据分类结果不理想的问题,本文提出一种基于犹豫模糊Canopy-K均值聚类算法.首先利用Canopy算法对原始数据进行初步分类,形成多个数据重合的Canopy中心集合,即得到K均值算法的初始聚类中心.然后再利用K均值聚类算法进行聚类,得到最终的聚类结果.最后结合疫情后复工复产企业评价信息数据进行实例分析,从6个方面对复工复产的5个企业发展情况进行评估.将新提出的算法和基于层次分析的K均值聚类算法进行对比分析.结果表明,新提出的方法较大地减少了迭代次数,聚类结果更加合理、稳定和有效.
文献关键词：
犹豫模糊集;聚类分析;K均值聚类;Canopy算法
中图分类号：
作者姓名：
张子璇;沙秀艳;肖霏;粟宝婵;隋雨陆;孟子宸
作者机构：
曲阜师范大学统计与数据科学学院,山东 济宁 273165;山东农业大学经管学院,山东 泰安 271018
文献出处：
引用格式：
[1]张子璇;沙秀艳;肖霏;粟宝婵;隋雨陆;孟子宸-.基于犹豫模糊Canopy-K均值聚类算法的研究与应用)[J].计算机与现代化,2022(11):17-21
A类：
B类：
Canopy,均值聚类,聚类算法,初始值,局部极值,极值点,数据分类,原始数据,初始聚类中心,疫情后,复工复产,企业评价,信息数据,迭代次数,犹豫模糊集
AB值：
0.255863
相似文献
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。
