基于预定义相似度水平的 k 簇最优数量确定
机器学习
2020-10-08 v2 机器学习
摘要
本文提出一种基于质心的聚类算法，能够对具有 n 个特征的数据点进行聚类，而无需指定要形成的簇的数量。该算法的核心逻辑是一种相似性度量，它综合决定是将 incoming 数据点分配给已有簇，还是创建一个新簇并将该数据点分配给它。所提出的聚类算法是特定于应用的，适用于需要对数据流进行聚类分析的情形，其中 incoming 数据点与其所要关联的簇之间的相似性度量大于预定义的相似度水平（Level-of-Similarity）。
引用
@article{arxiv.1810.01878,
title = {Determining Optimal Number of k-Clusters based on Predefined Level-of-Similarity},
author = {Rabindra Lamsal and Shubham Katiyar},
journal= {arXiv preprint arXiv:1810.01878},
year = {2020}
}
备注
2 Figures, 3 Equations