TY -的A2 Masciari埃利奥•盟,阮Huu协福PY - 2017 DA - 2017/12/21 TI -聚类分类数据使用SP - 8986360六世社区检测技术- 2017 AB -的出现 k 模式算法,聚类分类数据的工具箱一个有效的工具,尺度线性数据项的数量。然而,随机初始化集群中心 k 模式很难达到良好的聚类不必诉诸许多试验。最近提议的方法更好的初始化是决定性的,大大降低集群成本。不同的初始化方法不同的启发式选择初始中心的设置。在本文中,我们解决聚类问题分类数据从社区的角度检测。而不是初始化 k 模式和运行多个迭代,我们计划,CD-Clustering,构建一个无关紧要的图和检测高内聚组节点使用一个快速社区探测技术。——顶部 k 发现社区规模将定义 k 模式。评价十实际分类数据表明,我们的方法优于现有的初始化方法 k 模式的准确度、精度和召回在大多数情况下。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/8986360 - 10.1155 / 2017/8986360摩根富林明计算智力和神经科学PB - Hindawi KW - ER