Sch. of Inf., Yunnan Univ. of Finance Econ., Kunming, China;
Web sites; pattern clustering; Sina Weibo topic clustering; agglomerative level k-means clustering algorithm; hierarchical aggregation; initial cluster center selection problem; termination condition selection problem; Algorithm design and analysis; Approximation algorithms; Clustering algorithms; Data mining; Educational institutions; Feature extraction; Time complexity; Agglomerative hierarchical clustering; K-means; initial cancroids; termination condition;
机译:选择簇数的聚集模糊K-均值聚类算法
机译:K-Meance的比较研究,用癌症数据集分区麦细管,凝聚等级和戴安纳聚类算法
机译:初始簇质心的确定是否提高了K-Means聚类算法的性能?应用研究中遗传算法,最小生成树和分层聚类的三种混合方法的比较
机译:基于K-均值和层次聚类的分阶段文本聚类算法
机译:K-Means和K-Means ++聚类算法的硬件实现和性能评估
机译:初始簇质心的确定是否提高了K-Means聚类算法的性能?应用研究中遗传算法最小生成树和分层聚类的三种混合方法的比较
机译:具有簇数选择的凝聚模糊K均值聚类算法