计算机科学 ›› 2006, Vol. 33 ›› Issue (3): 194-196.
• • 上一篇 下一篇
王银辉 熊忠阳
出版日期:
发布日期:
WANG Yin-Hui , XIONG Zhong-Yang （School of Computer,Chongqing University,Chongqing 400040）
Online:
Published:
摘要： K-means算法中的k值的确定和初始聚类中心的选择严重影响聚类效果.针对这一问题,本文提出使用BP神经网络改进K-means聚类效果的方法.通过对聚类结果进行反复训练,调整聚类数,K-means的聚类效果得到改善.采用人工数据和实际商业数据的实验证明该方法能有效地改善传统的聚类效果.
关键词: K-Means BP 聚类 神经网络
Abstract: The value of K and the selection of initial centers heavily affect the result of K-means algorithm. Aiming at this problem, this paper puts forward a method that uses BP neural network to improve K-means＇ result. Training clustering result by BP network,
Key words: K-Means, BP, Clustering, Neural network
王银辉 熊忠阳. 使用BP网络改进K-means聚类效果[J]. 计算机科学, 2006, 33(3): 194-196. https://doi.org/
WANG Yin-Hui , XIONG Zhong-Yang （School of Computer,Chongqing University,Chongqing 400040）. [J]. Computer Science, 2006, 33(3): 194-196. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I3/194
Cited
首页