一种基于密度的K-均值算法

被引：13

作者：

刘艳丽 ^{[1
]}

刘希云 ^{[2
]}

机构：

[1] 山东师范大学管理与经济学院

[2] 山东大学机械工程学院

来源：

计算机工程与应用 | 2007年 / 32期

关键词：

K-均值算法; 密度; 聚类中心;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统的K-均值算法聚类时所面临的维数灾难、初始聚类中心点难以确定的缺点,提出一种改进的K-均值算法,其核心思想是通过降维、基于密度及散布的初始中心点搜索等方法改进K-均值算法。实验结果证明改进后的算法无论在聚类精度还是在稳定性方面,都明显优于标准的K-均值算法。

引用

页码：153 / 155

页数：3

共 3 条

[1] 一种用于文本聚类的改进的K均值算法 [J].

任江涛 ;

孙婧昊 ;

施潇潇 ;

黄焕宇 ;

印鉴 .

计算机应用, 2006, (S1) :73-75

[2] 一种基于参考点和密度的快速聚类算法 [J].

马帅 ;

王腾蛟 ;

唐世渭 ;

杨冬青 ;

高军 .

软件学报, 2003, (06) :1089-1095

[3]

Automatic Subspace Clustering of High Dimensional Data for Data Mining Applications .2 Agrawal R,Arning A,Bullinger T. et al. Proceedings of the ACM SIGMOD International Conference on Management of Data . 1998

← 1 →