K均值算法的K值优化研究和应用
孙镇江
梁永全
樊建聪
马远坤
梁天一
摘要：在数据挖掘领域,K均值算法是一种经典的聚类算法,但K值需要事先设定,并且K均值算法的性能易受K值的影响,随着大数据时代的到来,用户很难准确确定K值.论文结合计算机操作系统中内存分配的循环首次适应算法和基于密度聚类的方法,以及分布式估计算法(EDAs)提出了基于密度的循环首次适应K值优化算法来优化K值,用理论验证算法的可行性,并运用K均值中文文本聚类验证算法的有效性.
关键词：K均值分布式估计(EDAs)阈值密度
分类号：TP181(自动化基础理论)
论文发表日期：2013-01-01
英文信息