K-means Tổ hợp
K-means Tổ hợp chạy thuật toán phân cụm K-means nhiều lần với các khởi tạo, hạt giống ngẫu nhiên hoặc tập con đặc trưng khác nhau, sau đó tổng hợp các phân vùng kết quả thành một gán đồng thuận duy nhất. Cách tiếp cận này làm giảm độ nhạy nổi tiếng của K-means đối với khởi tạo và tạo ra các cụm ổn định, tái tạo được hơn so với bất kỳ lần chạy đơn lẻ nào.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/vi/machine-learning/ensemble-k-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mô hình hỗn hợp Gaussian tổ hợpHọc máy↔ compare
- Phân cụm K-meansHọc máy↔ compare
- K-means bán giám sátHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →