结合最大最小距离和加权密度的K-means聚类算法

马克勤; 杨延娇; 秦红武; 耿琳; 王丕栋

首页> 中文期刊> 《计算机工程与应用》 >结合最大最小距离和加权密度的K-means聚类算法

结合最大最小距离和加权密度的K-means聚类算法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

随机选取初始聚类中心和根据经验设置K值对K-means聚类结果都有一定的影响,针对这一问题,提出了一种基于加权密度和最大最小距离的K-means聚类算法,称为KWDM算法.该算法利用加权密度法选取初始聚类中心点集,减少了离群点对聚类结果的影响,通过最大最小距离准则启发式地选择聚类中心,避免了聚类结果陷入局部最优,最后使用准则函数即簇内距离和簇间距离的比值来确定K值,防止了根据经验来设置K值.在人工数据集和UCI数据集上的实验结果表明,KWDM算法不仅提高了聚类的准确率,而且减少了算法的平均迭代次数,增强了算法的稳定性.

著录项

来源
《计算机工程与应用》 |2020年第16期|50-54|共5页
作者
马克勤; 杨延娇; 秦红武; 耿琳; 王丕栋;
展开▼
作者单位

西北师范大学计算机科学与工程学院兰州 730070;

西北师范大学计算机科学与工程学院兰州 730070;

西北师范大学计算机科学与工程学院兰州 730070;

西北师范大学计算机科学与工程学院兰州 730070;

西北师范大学计算机科学与工程学院兰州 730070;

展开▼
原文格式 PDF
正文语种 chi
中图分类模式识别与装置;
关键词
K-means; 初始中心; 离群点; 密度法; 最大最小距离;

相似文献

中文文献
外文文献
专利

1. 基于最大距离积与最小距离和协同K聚类算法 [J] . 邹臣嵩 ,杨宇 . 计算机应用与软件 . 2018,第005期
2. 一种基于最大最小距离和SSE的自适应聚类算法 [J] . 成卫青 ,卢艳红 . 南京邮电大学学报（自然科学版） . 2015,第002期
3. 基于最大最小距离和动态隧道的聚类算法 [J] . 吕佳 . 计算机工程与设计 . 2010,第008期
4. 基于抽样和最大最小距离法的并行K-means聚类算法 [J] . 刘燕 . 智能计算机与应用 . 2018,第006期
5. 基于抽样和最大最小距离法的并行K-means聚类算法 [J] . 刘燕 . 智能计算机与应用 . 2018,第006期
6. 一种基于属性加权的不确定K-means聚类算法 [C] . 张晓峰 ,王丽珍 ,陆叶 . NDBC2009第26届中国数据库学术会议 . 2009
7. 熵加权多视角核k-means聚类算法的研究 [A] . 贺艳芳 . 2016

结合最大最小距离和加权密度的K-means聚类算法

摘要

著录项

相似文献

相关主题

期刊订阅