《计算机应用研究》|Application Research of Computers

基于距离和密度的d-K-means算法

D-K-means algorithm based on distance and density

免费全文下载 (已被下载 次)  
获取PDF全文
作者 唐泽坤,朱泽宇,杨裔,李彩虹,李廉
机构 兰州大学 信息科学与工程学院
统计 摘要被查看 次,已被下载
摘要 K-means算法有实现简单、速度快的特点,是应用最广泛的聚类算法。针对K-means算法对初始聚类中心和噪声敏感的缺点,提出了d-K-means算法(distance&density),在K-means算法的基础上权衡了密度和距离对聚类的影响,对数据进行加权处理,在权值基础上引入“最小最大原则”选择初始聚类中心,自动确定类中心个数。实验结果表明,d-K-means算法在低维数据与高维数据上都可以取得较好的聚类效果,并且更好地应对低密度区域数据,更好地进行类中心选择。
关键词 聚类;K-means算法;最小最大原则;类中心个数
基金项目 国家重点研发计划资助项目
云计算和大数据专项项目
数据科学的若干基础理论项目(2018YFB1003205)
国家自然科学基金资助项目(61300230,61370219)
甘肃省自然科学基金资助项目(1107RJZA188)
甘肃省科技支撑计划资助项目(1104GKCA037)
甘肃省科技重大专项项目(1102FKDA010)
本文URL http://www.arocmag.com/article/02-2020-06-005.html
收稿日期
修回日期
页码 -
中图分类号 TP301.6
文献标志码