典型文献
神经正切核K‑Means聚类
文献摘要：
针对K-Means聚类算法利用均值更新聚类中心,导致聚类结果受样本分布影响的问题,提出了神经正切核K-Means聚类算法(NTKKM).首先通过神经正切核(NTK)将输入空间的数据映射到高维特征空间,然后在高维特征空间中进行K-Means聚类,并采用兼顾簇间与簇内距离的方法更新聚类中心,最后得到聚类结果.在car和breast-tissue数据集上,对NTKKM聚类算法的准确率、调整兰德系数(ARI)及FM指数这3个评价指标进行统计.实验结果表明,NTKKM聚类算法的聚类效果以及稳定性均优于K-Means聚类算法和高斯核K-Means聚类算法.NTKKM聚类算法与传统的K-Means聚类算法相比,准确率分别提升了14.9％和9.4％,ARI分别提升了9.7％和18.0％,FM指数分别提升了12.0％和12.0％,验证了NTKKM聚类算法良好的聚类性能.
文献关键词：
神经正切核;K-Means;核聚类;特征空间;核函数
中图分类号：
作者姓名：
王梅;宋晓晖;刘勇;许传海
作者机构：
东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318;黑龙江省石油大数据与智能分析重点实验室(东北石油大学),黑龙江 大庆 163318;中国人民大学 高瓴人工智能学院,北京 100872;大数据管理与分析方法研究北京市重点实验室(中国人民大学),北京 100872
文献出处：
引用格式：
[1]王梅;宋晓晖;刘勇;许传海-.神经正切核K‑Means聚类)[J].计算机应用,2022(11):3330-3336
A类：
神经正切核,NTKKM,核聚类
B类：
Means,聚类算法,法利,聚类中心,样本分布,输入空间,数据映射,射到,高维特征空间,car,breast,tissue,兰德,ARI,FM,高斯核,核函数
AB值：
0.207913
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。
