基于数据场改进的PAM聚类算法

被引：14

作者：

余建桥

张帆

机构：

[1] 西南农业大学信息学院

来源：

计算机科学 | 2005年 / 01期

关键词：

PAM; 数据场; 聚类;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

PAM是基于k-中心值聚类的一种算法,在处理数据集的聚类问题时,具有良好的准确性和伸缩性。但PAM算法在随机选取初始中心点时存在不足,而且在处理存在孤立点或噪声的数据时算法不是很健壮。本文针对这两点不足,使用了数据场的概念对PAM聚类算法进行了有益的改进,提高了算法的准确性和处理孤立点或噪声的能力,使其更适合于对数据集的处理,提高了挖掘结果的质量。

引用

收藏

页码：165 / 167

页数：3

相关论文

共 4 条

[1] Efficient and Effective Clustering Methods for Spatial Mining. Ng R T,Han J. Proc. of the 20th VLDB Conf . 1994
[2] Data Mining Concepts and Techniques. Han J,Kanber M. . 2001
[3] Spatial Databases. Shekhar S,Chawla S. . 2003
[4] Finding Groups in Data: An Introduction to Cluster Analysis. Kaufman L,Rousseeuw P J. . 1990