基于薛定谔方程的K-Means聚类算法

被引：5

作者：

徐平安

唐雁

石教开

张辉荣

机构：

[1] 西南大学计算机与信息科学学院

来源：

山东大学学报(工学版) | 2016年 / 46卷 / 01期

关键词：

聚类; K-Means; 初始聚类中心; 薛定谔方程; 势能函数;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

提出一种基于薛定谔方程的K-Means聚类算法,利用量子力学中薛定谔方程的势能函数来确定初始聚类中心。计算每个数据样本所对应的势能函数值,将势能函数值小的数据样本放入初始聚类中心集合,设置一个距离阈值,数据集合中的数据样本和初始聚类中心集合中的数据样本进行相异度计算,将相异度大于阈值的数据样本放入初始聚类中心集合,重复这一操作,直到初始聚类中心集合中的样本数量等于K为止。试验结果表明,采用该方法能很好地筛选出初始聚类中心,得到更高的聚类结果准确率和较少的迭代次数,与其他几种方法相比,聚类结果准确率平均提高约12%,同时迭代次数减少约3次。

引用

页码：34 / 41

页数：8

共 10 条

[1]

K-Means Optimization Algorithms of Initial Clustering Center Based on Regional Density.[J].L.P. Song;Rong Lu Sun.Applied Mechanics and Materials.2014, 513

[2]

The MinMax k-Means clustering algorithm [J].

Tzortzis, Grigorios ;

Likas, Aristidis .

PATTERN RECOGNITION, 2014, 47 (07) :2505-2516

[3]

优化初始聚类中心的改进k-means算法 [J].

张靖 ;

段富 .

计算机工程与设计, 2013, 34 (05) :1691-1694+1699

[4]

一种改进的k-means初始聚类中心选取算法 [J].

韩凌波 ;

王强 ;

蒋正锋 ;

郝志强 .

计算机工程与应用, 2010, 46 (17) :150-152

[5]

一种优化初始中心点的K-means算法 [J].

汪中 ;

刘贵全 ;

陈恩红 .

模式识别与人工智能, 2009, 22 (02) :299-304

[6]

Stable Initialization Scheme for K-Means Clustering [J].

XU Junling XU Baowen ZHANG Weifeng ZHANG Wei HOU Jun School of Computer Science and Engineering Southeast University Nanjing Jiangsu China State Key Laboratory of Software Engineering Wuhan University Wuhan Hubei China Department of Computer Nanjing University of Posts and Telecommunications Nanjing Jiangsu China .

WuhanUniversityJournalofNaturalSciences, 2009, 14 (01) :24-28

[7]

基于初始中心优化的遗传K-means聚类新算法 [J].