免费论文摘要：适于K-均值算法的聚类评介目标灵验性接洽

跟着电子商务、消息检索的赶快兴盛，数据发掘仍旧变成商务智能的中心本领之一。聚类领会动作数据发掘的一个要害子范围，可为后续的数据领会供给要害开始。K-均值算法是一类鉴于原形的聚类算法，因其具备大略、高效、鲁棒、数据符合性强等特性，使之变成聚类领会中运用最为一再的算法之一。已有接洽表白，K-均值算法生存“平均化效力”。即对于各类样品数目莫大有偏的数据集， K-均值聚类简单爆发较为平均的簇，进而偏离样品的如实散布。这表示着K-均值聚类在这类数据上的聚类功效常常不佳。因为聚类功效由聚类评介目标评定，所以一个随同的要害题目是，被普遍运用的聚类评介目标能否能灵验揭穿K-均值算法的“平均化效力”？这对于K-均值聚类试验无疑是至关要害的。为领会答这个题目，正文对适于K-均值算法的聚类评介目标灵验性题目举行了接洽。开始，咱们采用聚类评介中被普遍沿用的8个目标动作接洽东西，以是否反应“平均化效力”动作目标挑选规则，减少了局部具备缺点的目标。接着，为使目标不妨对各别数据集上的聚类截止举行比拟，对经过挑选的目标提出了一系列规范化处置计划，并鉴于DCV挑选规则再次举行挑选，最后获得了不妨灵验反应“平均化效力”的、经规范化处置的评介目标。结果，咱们接洽了上述灵验目标的重要本质及彼此联系，并给出了怎样采用符合的K-均值算法评介目标的倡导。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/208791.html