-2 - 绪论 在文献1中对聚类方法进行了详细的分类： 1 划分聚类（Partitional Clustering）：此类方法是直接将数据集划分成若干没有交集的簇，比较有代表性的算法有 K-means 算法、K 中心点算法。
基于28个网页-相关网页
... 划分聚类(Partitioning Clustering) 分层聚类(Hierarchical Clustering) 密度聚类(Density-based Clustering) ...
基于1个网页-相关网页
划分聚类法 partitioning clustering methods ; Partitioning Clustering
划分聚类的思想与方法 Ideas and methods into clustering
并行划分聚类 parallel partitional clustering algorithm
自动阈值下的聚类划分 Auto threshold-detection and classification
As the accuracy of partition clustering closely related to the choice of start points,LE can be used to decide whether the start points should be reset and begin another clustering process,in order to get a better partition.
由于划分聚类的结果多与初始点相关,关联熵实际上可以辅助决定是否需要再选择初始点,重新聚类,以获得一个较好的聚类结果。
参考来源 - 关联熵及其应用Finally, the paper presents an improved K-means method based on optimizing initial points by UPGMA and this method effectively takes good advantages of hierarchical clustering algorithms and partitional clustering algorithms.
最后提出了一种基于UPGMA优化初始类中心的改进K-means聚类算法,该算法有效地结合了划分聚类和汇聚聚类算法的优点。
参考来源 - 印刷体汉字识别系统的特征提取和匹配识别研究·2,447,543篇论文数据，部分数据来源于NoteExpress
划分聚类和分级聚类是两种基本的聚类手段。
Partition clustering and hierarchical clustering are two fundamental clustering methods.
选择具有最大F -统计量的划分聚类方案。
The clustering scheme with the largest F-statistics is chosen.
将克隆选择原理同典型的划分聚类方法结合起来，提出一种克隆选择聚类算法。
Based on clone selection theory and typical partition clustering approach, a new clustering algorithm is proposed.
应用推荐