基于孤立点和初始质心选择的k均值算法的改进与应用

被引：6

作者：

顾洪博

苏冬娜

机构：

[1] 大庆石油学院计算机与信息技术学院

来源：

陕西理工学院学报(自然科学版) | 2009年 / 25卷 / 03期

基金：

黑龙江省自然科学基金;

关键词：

k均值算法; 孤立点; 初始质心; 距离;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对聚类中广泛应用的经典k均值算法随机选择初始质心和易受孤立点影响的不足,给出了二次改进的k均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行改进,并做了改进前后的对比实验。结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择质心的影响也有所降低。

引用

页码：45 / 49

页数：5

共 6 条

[1]

一种改进的k-means聚类算法在入侵检测中的应用 [J].

尹珧人 ;

王德广 .

科学技术与工程, 2008, (16) :4701-4705

[2]

一种改进的K-means聚类算法 [J].

连凤娜 ;

吴锦林 ;

唐琦 .

电脑与信息技术, 2008, (01) :38-40

[3]

聚类分析中若干关键技术的研究 [D].

杨小兵 .

浙江大学,

2005

[4]

Advanced Data Clustering Methods of Mining Web Documents.[J].Samuel Sambasivam;Nick Theodosopoulos.Issues in Informing Science and Information Technology (IISIT).2006,

[5]

SLOM: a new measure for local spatial outliers [J].

Chawla, S ;

Sun, P .

KNOWLEDGE AND INFORMATION SYSTEMS, 2006, 9 (04) :412-429

[6]

模式识别.[M].[美]J.P.MarquesdeSa著;吴逸飞译;.清华大学出版社.2002,

← 1 →