改进KH算法

2016-11-18 10:09:55 0 举报
仅支持查看
改进的KH算法是一种基于贪婪策略的聚类方法,它通过不断迭代来优化聚类结果。在每次迭代中,算法首先选择一个初始点作为种子点,然后根据距离度量函数计算每个数据点到种子点的距离,并将距离最近的点添加到同一个簇中。接下来,算法会更新每个簇的中心点,并重新计算每个数据点到新中心点的距离。这个过程会一直重复,直到满足停止条件为止。 相比于原始的KH算法,改进后的KH算法具有更高的效率和更好的聚类效果。它能够有效地处理大规模数据集,并且能够在不同尺度上进行聚类。此外,改进后的KH算法还具有较好的鲁棒性,能够应对噪声和离群点的影响。
作者其他创作
大纲/内容
评论
0 条评论
下一页