一种高效的阴阳k-Means聚类算法

摘要：

针对传统阴阳k-means算法未利用数据结构导致计算效率较低的问题,提出一种高效阴阳k-means聚类算法.该算法根据数据相似性将原始数据进行逐层分解,并建立满m叉树结构存储各层数据,以树结构各叶子节点中存储的数据信息建立加权数据,运行加权阴阳k-means算法得到收敛中心.在原始数据中以加权数据收敛中心为初始化条件运行传统阴阳k-means算法进一步优化目标函数值.在5组UCI数据集上与k-means、传统阴阳k-means及另外两种加速算法进行对比实验,实验结果表明,该算法具有较高的加速比,且求解精度与传统阴阳k-means聚类基本相同.

关键词：聚类分析;阴阳k-means算法;k-means算法;数据加权

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;吉林省科技发展计划项目;吉林省发展和改革委员会项目;吉林省教育厅产业培养项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1455-1460