基于近邻传播的限定簇数聚类方法研究

摘要：

针对传统近邻传播聚类算法不能进行限定类簇数目的聚类缺陷,提出一种三阶段的改进聚类方法.该方法通过近邻传播聚类从数据集中获得中心代表点集合,利用K-means算法对中心代表点集合进行指定类簇数目的聚类进而获得初始训练集,结合改进的K最近邻算法实现数据的聚类分析.采用人工仿真数据及UCI数据集进行对比实验,实验结果分析表明,与近邻传播聚类算法和传统限定类簇数目的聚类算法相比,新聚类算法具有更好的聚类效果.

关键词：近邻传播、聚类算法、类簇数目、数据挖掘、K均值聚类

所属期刊栏目：47

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金71771094,61300139;福建省社会科学规划基金FJ2017B065

在线出版日期：2018-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：733-739