K-Means: An Efficient Clustering Algorithm with Adaptive Decision Boundaries

Conventional k -means algorithms often face significant computational burdens and have a high dependence on the number of predefined clusters k . Therefore, this paper proposes the k ∗ -means algorithm, which incorporates the concept of the perceptron classification algorithm to transform the distan...

Celý popis

Podrobná bibliografie

Vydáno v:	International journal of parallel programming Ročník 53; číslo 1; s. 3
Hlavní autoři:	Long, Jianwu, Liu, Luping
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.02.2025 Springer Nature B.V
Témata:	Adaptive algorithms Algorithms Classification Cluster analysis Clustering Computer Science Datasets Parallel processing Processor Architectures Software Engineering/Programming and Operating Systems Synthetic data Theory of Computation Hierarchical clustering Perceptron algorithm Means
ISSN:	0885-7458, 1573-7640
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!