基于簇内不平衡度量的粗糙K-means聚类算法

被引：12

作者：

张腾飞 ^{[1
]}

陈龙 ^{[1
]}

李云 ^{[2
]}

机构：

[1] 南京邮电大学自动化学院

[2] 南京邮电大学计算机技术研究所

来源：

控制与决策 | 2013年 / 10期

关键词：

簇内不平衡度量; 粗糙集; 粗糙K-means聚类;

D O I：

10.13195/j.kzyjc.2013.10.017

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法,但大多数算法对簇的下近似集和边界中的对象使用统一的权值,忽略了簇内对象之间的差异性.针对这一问题提出一种新的改进算法,通过对簇内的每个对象加入簇内不平衡度量,以区分不同对象对簇的贡献程度,使得聚类结果簇内更紧凑、簇间更疏远.不同数据集的仿真实验结果表明,所提出算法可以有效提高聚类结果的精度.

引用

页码：1479 / 1484

页数：6

共 5 条

[1] 基于样本加权的可能性模糊聚类算法 [J].