Automated Variable Weighting in k-Means Type Clustering
来源:互联网 发布:美国人性格 知乎 编辑:程序博客网 时间:2024/06/05 11:28
本内容整理自 Automated Variable Weighting in k-Means Type Clustering
这篇文章主要的创新点在于–给予特征向量的每个维度一个权重
原始的K-means聚类方法不足之处在于,如果数据集当中混有大量随机噪音(也就是特征向量中有若干维在聚类过程中是不起作用的,反而会对结果产生干扰)的情况下,不能很好的对其进行聚类,即使是原数据集有很好的簇结构的情况下。
数据集
1.W-K-means的思想
在原始K-Means的基础上,给予特征向量的每个维度一个权重
2.代价函数
K-means:
W-K-means:
3.求解参数
迭代的计算步骤,同K-mean算法一样(戳此处),只是在计算的时候带上权重值即可。而问题的关键在于如何求解权重
4.实现
matlab源码
阅读全文
0 0
- Automated Variable Weighting in k-Means Type Clustering
- An Entropy Weighting k-Means Algorithm for Subspace Clustering of High-Dimensional Sparse Data
- Clustering (1): k-means
- K-Means Clustering
- k-means Clustering
- Clustering (1): k-means
- K-Means Clustering算法
- Understanding K-Means Clustering
- K-Means clustering 简介
- K-Means聚类 K-Means Clustering
- K-means clustering 介绍论文
- 漫谈 Clustering (1): k-means
- MapReduce and K-Means Clustering
- 漫谈 Clustering (1): k-means
- 漫谈 Clustering (1): k-means
- 漫谈 Clustering (1): k-means
- 漫谈 Clustering (1): k-means
- Clustering Pixels Using K-Means
- JAVA IO操作
- idea + maven 使用jedis 连接redis
- 高可用的一些思考和理解
- Tomcat配置 直接用ip访问项目
- 【LeetCode】C# 14、Longest Common Prefix
- Automated Variable Weighting in k-Means Type Clustering
- 数据库管理工具Navicat Premium
- 数据结构:实验二线性表综合实验①顺序表
- gcc/g++参数介绍
- 20、C#里面方法的创建和显示
- android中AlertDialog包含EditText时弹出键盘(dia和软键盘同时弹出)
- Leetcode 169. Majority Element (第四周作业)
- html的几个标签
- Ubuntu 16.04 安装 Octave-4.2.1