基于核的自适应K-Medoid聚类

被引：14

作者：

孙胜 ^{[1
,2
]}

王元珍 ^{[1
]}

机构：

[1] 华中科技大学计算机学院

[2] 黄石理工学院计算机学院

来源：

计算机工程与设计 | 2009年 / 30卷 / 03期

关键词：

聚类; 核方法; 核函数; k-中心点; 特征空间;

D O I：

10.16208/j.issn1000-7024.2009.03.073

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对K-Medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到K-Medoid算法,提出了基于核的自适应K-Medoid算法。该算法利用核函数将输入空间样本映射到一个高维的特征空间,在这个核空间中进行K-Medoid聚类,在聚类过程中,数据可以自适应地加入到最适合它的簇当中,并且聚类结果与初始k个中心点的选取无关,该算法可以完成对大数据集和高维数据的聚类。实验结果表明,与K-Medoid算法相比,该算法具有较高的聚类准确率。

引用

页码：674 / 675+688 +688

页数：3

共 6 条

[1] 一种新的多层感知机隐含层神经元个数上限计算方法 [J].