基于最小聚类划分的K-means聚类(1+ε)近似算法

被引：5

作者：

王守强 ^{[1
]}

朱大铭 ^{[1
]}

史士英 ^{[2
]}

机构：

[1] 山东大学计算机科学与技术学院

[2] 山东交通学院信息工程系

来源：

计算机研究与发展 | 2008年 / S1期

关键词：

k-means; 聚类; 质心点; ε质心点;

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：

k-means聚类算法是解决聚类问题的一个常用方法.近年来,国外许多学者对该问题的近似常数算法和(1+ε)近似算法进行了研究.利用Kumar等人随机取样技术对于基于最小聚类划分k-means提出一个(1+ε)随机近似算法.该算法利用随机取样技术从集合中求出部分取样点,再对随机取样点进行组合找出每个聚类的部分点,将该部分点的质心点作为相应子聚类簇的质心点.通过多次运行该算法可以以较高概率求出k-means聚类的1+ε近似值.

引用

页码：26 / 30

页数：5