基于自适应权重的粗糙K均值聚类算法

被引：32

作者：

周杨 ^{[1
]}

苗夺谦 ^{[2
]}

岳晓冬 ^{[3
]}

机构：

[1] 同济大学电子与信息工程学院

[2] 同济大学嵌入式系统与服务计算教育部重点实验室

[3] 国家高性能计算机工程中心同济分中心

来源：

计算机科学 | 2011年 / 38卷 / 06期

关键词：

聚类; 粗糙集; 粗糙K均值; 自适应权重;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本对于类的权重,降低了原有算法对初始权重的依赖。此外,该算法采用近似集合中的高斯距离比例来表现样本权重,从而可以在多种数据分布上得到更精确的聚类结果。实验结果表明,基于自适应权重的粗糙K均值算法是一种较优的聚类算法。

引用

页码：237 / 241

页数：5

共 8 条

[1]

Rough-DBSCAN: A fast hybrid density based clustering method for large data sets [J].

Viswanath, P. ;

Babu, V. Suresh .

PATTERN RECOGNITION LETTERS, 2009, 30 (16) :1477-1488

[2]

Some refinements of rough k-means clustering [J].

Peters, Georg .

PATTERN RECOGNITION, 2006, 39 (08) :1481-1491

[3]

Interval Set Clustering of Web Users with Rough <Emphasis Type="Italic">K</Emphasis>-Means.[J].Pawan Lingras;Chad West.Journal of Intelligent Information Systems.2004, 1

[4]

Rock: A robust clustering algorithm for categorical attributes [J].