一种优化初始中心点的K平均文本聚类算法

文本聚类在信息过滤,网页分类中有着很好的应用。但它面临数据量大,特征维度高的难点。由于K平均算法易于实现,对数据依赖度底,在文本聚类中得到应用。然而,传统K平均以及它的变种会产生有较大波动的聚类结果。因此对K平均算法进行了改进,通过优化聚类初始中心的选择,得到一种适合对文本数据聚类分析的改进算法。大量实验显示,该算法可以生成质量较高而且聚类质量波动性较小的结果。     

基于RB-K平均带宽设定的Adaptive Mean shift

Meanshift是一个用在图像滤波、图像分割中的迭代过程。对于迭代过程，带宽的设定很重要。固定带宽的Meanshift方法对于输入数据适应能力差，而现有可变带宽估计方法有的对于固定带宽的方法改进并不明显，有的时间复杂度较高，因此对现有带宽估计方法做了改进，提出了一种新的带宽估计方法，即采用K平均聚类算法进行带宽估计，并通过实验证实了该方法的有效性。