10.3969/j.issn.1674-6236.2012.22.031
一种改进的距离度量的聚类算法
针对传统的K均值聚类分析,不考虑对象中每个变量在聚类过程中体现作用的不同,而是统一看待,用这样计算的距离来表示两个对象的相似度并不确切。文中提出了一种基于距离度量的聚类算法,算法使用新的距离度量代替了K均值聚类算法的欧式距离,应用新的距离度量之后,数据点的权重不再只为1或0,而是由系数来确定,这就将硬划分转化为软划分。最后经过实验证明了改进的聚类算法比传统的K均值聚类收敛速度有了很大提高。提高了算法的执行效率。
数据挖掘、算法、欧氏距离、K均值聚类分析
20
TP302(计算技术、计算机技术)
2012-12-21(万方平台首次上网日期,不代表论文的发表时间)
共3页
86-88