-
题名关于优化K-medoids聚类算法搜索策略研究
被引量：4
- 1
-
-
作者
朱纯
吴建华
潘毅
-
机构
长沙理工大学计算机与通信工程学院
-
出处
《计算机仿真》
CSCD
北大核心
2016年第10期244-248,277,共6页
-
基金
湖南省研究生科研创新项目(CX2014B386)
-
文摘
由于传统K-medoids聚类算法对初始中心点敏感,计算迭代次数较高,存在聚类准确率不够高等缺点。为了解决中心点敏感问题,首先利用密度思想为数据集中每个对象建立一个ε0-领域,利用最大最小距离法遴选出K个密度大且距离较远的ε0-领域,把对应的ε0-领域的核心对象作为聚类算法的K个初始中心点;然后,为了解决传统K-medoids聚类算法的迭代次数较高、全局搜索的盲目性,在获取有效初始中心点的前提下,提出了以初始中心点为核心进行ε0-领域搜索更新策略,用来减少聚类算法的中心点更新迭代次数;同时,为了解决传统K-medoids聚类算法聚类准确率较低等缺点,提出了赋予簇内距离和簇间距离不同权重的准则函数,增强聚类算法的评价标准。改进后的算法在Iris和Wine数据集上进行测试,实验结果表明,初始中心点分别位于不同的簇中,降低了算法的迭代次数,提高了聚类准确率。
-
关键词
聚类算法
局部密度区域
初始中心点
领域搜索策略
加权准则函数
-
Keywords
Clustering algorithm
Local density region
Initial center
Domain search strategy
Weighted criterion function
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
