机译:非度量数据聚类的两种基于密度的k均值初始化算法
SAPIENZA Univ Rome, Dept Informat Engn Elect & Telecommun, Via Eudossiana 18, I-00184 Rome, Italy;
SAPIENZA Univ Rome, Dept Informat Engn Elect & Telecommun, Via Eudossiana 18, I-00184 Rome, Italy;
SAPIENZA Univ Rome, Dept Informat Engn Elect & Telecommun, Via Eudossiana 18, I-00184 Rome, Italy;
Clustering; Prototype selection; k-means initialization; Dissimilarity measures; Non-metric domains;
机译:用于地理参考数据的k均值聚类的初始种子选择算法,以提高用于地图绘制应用的聚类分配的可复制性
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:基于新的基于密度和分层密度的基于分层密度的不确定数据集群算法
机译:基于密度的选择方法,用于选择K-Means算法的初始聚类中心
机译:聚集教育数字图书馆使用数据:潜在类别分析和K-means算法的比较
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:一种用于K-means聚类的初始种子选择算法 地理参考数据提高集群分配的可复制性 制图应用