机译:k均值聚类算法有效初始化方法的比较研究
Department of Computer Science, Louisiana State University, Shrevepon, LA, USA;
School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA;
School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA;
partitional clustering; sum of squared error criterion; k-means; cluster center initialization;
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:包含GESC,UDCA和k-Mean方法的无线传感器网络聚类算法的比较分析
机译:K均值聚类的高效快速初始化算法
机译:聚类算法与决策规则标注的K值均值与DBSCAN聚类算法比较的电压暂降源定位方法
机译:高效的遗传k均值聚类算法及其在不同领域数据挖掘中的应用。
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:K-means高效初始化方法的比较研究 聚类算法