基于划分和层次的混合动态聚类算法

被引：13

作者：

郝洪星 ^{[1
]}

朱玉全 ^{[1
]}

陈耿 ^{[2
]}

李米娜 ^{[1
]}

机构：

[1] 江苏大学计算机科学与通信工程学院

[2] 南京审计学院信息科学学院

来源：

计算机应用研究 | 2011年 / 28卷 / 01期

关键词：

K-means; CURE; 混合聚类; 孤立点; 整体相似度;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对划分聚类对初始值较为敏感以及层次聚类时间复杂度高等缺陷,提出了一种基于划分和层次的混合动态聚类算法HDC-PH。该算法首先使用划分聚类快速生成一定数量的子簇,然后以整体相似度的聚类质量评价标准来动态改变聚类数目,同时给出了聚类过程中孤立点的剔除方法。实验结果表明,HDC-PH算法的性能明显优于划分和层次算法,提高了聚类质量,并获得了更自然的聚类结果。

引用

页码：51 / 53

页数：3

共 4 条

[1] 聚类算法研究 [J].

孙吉贵 ;

刘杰 ;

赵连宇 .

软件学报, 2008, (01) :48-61

[2] 从多角度分析现有聚类算法(英文) [J].

钱卫宁 ;

周傲英 .

软件学报, 2002, (08) :1382-1394

[3] Hierarchical initialization approach for K-Means clustering [J].

Lu, J. F. ;

Tang, J. B. ;

Tang, Z. M. ;

Yang, J. Y. .

PATTERN RECOGNITION LETTERS, 2008, 29 (06) :787-795

[4]

Improving hierarchical cluster analysis: A new method with outlier detection and automatic clustering[J] . J.A.S. Almeida,L.M.S. Barbosa,A.A.C.C. Pais,S.J. Formosinho.Chemometrics and Intelligent Laboratory Systems . 2007 (2)

← 1 →