[1] 孙吉贵,刘杰,赵连宇. 聚类算法研究[J]. 软件学报, 2008,19(1):48-61.
[2] HAN J, KAMBER M, 裴健. 数据挖掘概念与技术[M]. 范明,孟小峰,译. 3版. 北京:机械工业出版社, 2013:288-347.
[3] 张健沛,杨悦,杨静,等. 基于最优划分的K-means初始聚类中心选取算法[J]. 系统仿真学报, 2009,21(9):2586-2590.
[4] 段桂芹. 基于均值与最大距离乘积的初始聚类中心优化K-means算法[J]. 计算机与数字工程, 2015,43(3):379-382.
[5] 熊忠阳,陈若田,张玉芳. 一种有效的K-means聚类中心初始化方法[J]. 计算机应用研究, 2011,28(11):4188-4190.
[6] 翟东海,鱼江,高飞,等. 最大距离法选取初始簇中心的K-means文本聚类算法的研究[J]. 计算机应用研究, 2014,31(3):713-715,719.
[7] 贺思云,高建瓴,陈岚. 基于改进人工蜂群算法的K-means聚类算法[J]. 贵州大学学报(自然科学版), 2017,34(5):83-87,99.
[8] 周鹿扬,程文杰,徐建鹏,等. 一种基于聚类中心的快速聚类算法[J]. 计算机科学, 2016,43(S1):454-456,484.
[9] 李晓瑜,俞丽颖,雷航,等. 一种K-means改进算法的并行化实现与应用[J]. 电子科技大学学报, 2017,46(1):61-68.
[10]张顺龙,库涛,周浩. 针对多聚类中心大数据集的加速K-means聚类算法[J]. 计算机应用研究, 2016,33(2):413-416.
[11]沈雯漪. 大型数据集数据挖掘算法研究[J]. 计算机光盘软件与应用, 2014,17(16):101,103.
[12]LUEBKE K, WEIHS C. Linear dimension reduction in classification: Adaptive procedure for optimum results[J]. Advances in Data Analysis & Classification, 2011,5(3):201-213.
[13]MAGDALINOS P, DOULKERIDIS C, VAZIRGIANNIS M. Enhancing clustering quality through Landmark-based dimensionality reduction[J]. ACM Transactions on Knowledge Discovery from Data, 2011,5(2):1-44.
[14]GE S S, HE H, SHEN C. Geometrically local embedding in manifolds for dimension reduction[J]. Pattern Recognition, 2012,45(4):1455-1470.
[15]LI W F, WANG G M, LI K, et al. Similarity measurement method of high-dimensional data based on normalized net lattice subspace[J]. High Technology Letters, 2017,23(2):179-184.
[16]毕达天,邱长波,张晗. 数据降维技术研究现状及其进展[J]. 情报理论与实践, 2013,36(2):125-128.
[17]贾洪杰,丁世飞,史忠植. 求解大规模谱聚类的近似加权核K-means算法[J]. 软件学报, 2015,26(11):2836-2846.
[18]谢娟英,郭文娟,谢维信,等. 基于样本空间分布密度的初始聚类中心优化K-均值算法[J]. 计算机应用研究, 2012,29(3):888-892. |