具有自适应参数的粗糙k-means聚类算法

被引：8

作者：

周涛 ^{[1
,2
]}

机构：

[1] 不详

[2] 宁夏医科大学理学院

[3] 不详

[4] 陕西理工学院数学系

[5] 不详

来源：

计算机工程与应用 | 2010年 / 26期

关键词：

粗糙集; k-means聚类算法; 自适应;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

粗糙聚类是不确定聚类算法中一种有效的聚类算法,这里通过分析粗糙k-means算法,指出了其中3个参数wl,wu和ε设置时存在的缺点,提出了一种自适应粗糙k-means聚类算法,该算法能进一步优化粗糙k-means的聚类效果,降低对"噪声"的敏感程度,最后通过实验验证了算法的有效性。

引用

页码：7 / 10

页数：4

共 6 条

[1] 基于密度加权的粗糙K-均值聚类改进算法 [J].

郑超 ;

苗夺谦 ;

王睿智 .

计算机科学, 2009, 36 (03) :220-222

[2] 粗糙核k-means聚类算法 [J].

周涛 ;

张艳宁 ;

袁和金 ;

陆惠玲 ;

邓方安 .

系统仿真学报, 2008, (04) :921-925

[3] 聚类算法研究 [J].

孙吉贵 ;

刘杰 ;

赵连宇 .

软件学报, 2008, (01) :48-61

[4] 基于粗糙集的K——均值聚类算法在遥感影像分割中的应用 [J].

邵锐 ;

巫兆聪 ;

钟世明 .

现代测绘, 2005, (02) :3-5

[5] Interval set clustering of web users with rough K-means [J].

Lingras, P ;

West, C .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2004, 23 (01) :5-16

[6] An evolutionary rough partitive clustering [J].

Mitra, S .

PATTERN RECOGNITION LETTERS, 2004, 25 (12) :1439-1449

← 1 →