一种基于密度的K-means算法

被引：3

作者：

乔小妮 ^{[1
]}

张明新 ^{[2
]}

史变霞 ^{[1
]}

机构：

[1] 西北师范大学数学与信息科学学院

[2] 兰州高等工业专科学校

来源：

电脑开发与应用 | 2008年 / 10期

关键词：

K-means算法; t-邻域密度; 初始聚类中心点;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

基于密度聚类的思想,提出了一种改进的K-means算法。算法吸取密度聚类算法的优点,利用对象的t-邻域密度作为选择初始聚类中心点的条件,选出较优的初始中心点,从而得到较好的聚类效果。通过实验表明,此方法相对于随机选取初始聚类中心点准确率较高、稳定性强、可伸缩性好。

引用

页码：9 / 11

页数：3

共 5 条

[1]

OPTICS:Ordering Points to Identify the ClusteringStructure. Ankerst M,Breunig M M,Kriegel H P,et al. Proceedings of the InternationalConference on Management of Data(SIGMOD) . 1999

[2]

Data Mining Conceptsand Techniques. Jiawei Han,Micheline Kamber. . 2006

[3]

Some Methods for Classification andAnalysis of Multivariate Observations. McQueen J. Proceedings of the 5 th Berkeley Symposium onMathematical Statistics and Probability . 1967

[4]

A density-basedAlgorithm for Discovering Clusters in Large SpatialDatabases with Noise. Ester M,,Kriegel H P,Sander J,et al. Pro-ceeding The2ndInternational Conference on Knowledge Discovery andData Mining(KDD) . 1996

[5]

DENCLUE:An EfficientApproach to Clustering in Large MultimediaDatabaseswith Noise. Hinneburg A,Keim D A. Proceedings of the 4thInternational Conference on Knowledge Discovery andData Mining　(KDD‘98) . 1998

← 1 →