• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Chinese Journal of Electronics >Clustering by Fast Search and Find of Density Peaks with Data Field
【24h】

Clustering by Fast Search and Find of Density Peaks with Data Field

机译：通过快速搜索进行聚类并使用数据字段查找密度峰

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A clustering algorithm named “Clustering by fast search and find of density peaks” is for finding the centers of clusters quickly. Its accuracy excessively depended on the threshold, and no efficient way was given to select its suitable value, i.e., the value was suggested be estimated on the basis of empirical experience. A new way is proposed to automatically extract the optimal value of threshold by using the potential entropy of data field from the original dataset. For any dataset to be clustered, the threshold can be calculated from the dataset objectively instead of empirical estimation. The results of comparative experiments have shown the algorithm with the threshold from data field can get better clustering results than with the threshold from empirical experience.
机译：一种名为“通过快速搜索并找到密度峰进行聚类”的聚类算法可用于快速找到聚类的中心。它的准确性过分地取决于阈值，并且没有给出有效的方法来选择其合适的值，即该值是根据经验经验来估计的。提出了一种利用原始数据集中数据域的潜在熵自动提取阈值最优值的新方法。对于要聚类的任何数据集，可以客观地从数据集中计算阈值，而不是凭经验估算。比较实验的结果表明，与来自经验的阈值相比，具有数据字段阈值的算法可以获得更好的聚类结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号