针对多聚类中心大数据集的加速K-means聚类算法

被引：28

作者：

张顺龙 ^{[1
,2
]}

库涛 ^{[1
,2
]}

周浩 ^{[3
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院大学

[3] 吉化集团吉林市软信技术有限公司

来源：

计算机应用研究 | 2016年 / 33卷 / 02期

关键词：

DIACK; 加速K-means; 聚类; 三角定理;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随着数据量、数据维度呈指数发展以及实际应用中聚类中心个数的增多,传统的K-means聚类算法已经不能满足实际应用中的时间和内存要求。针对该问题提出了一种基于动态类中心调整和Elkan三角判定思想的加速K-means聚类算法。实验结果证明,当数据规模达到10万条,聚类个数达到20个以上时,本算法相比Elkan算法具有更快的收敛速度和更低的内存开销。

引用

页码：413 / 416

页数：4

共 9 条

[1] 基于PDS和ENNS的快速K-Means聚类算法 [J].