基于密度加权的分裂式K均值聚类算法

摘要：

为避免初始聚类中心陷入局部最优,孤立点影响聚类准确性,结合分裂式思想,提出一种基于密度加权的K均值聚类算法.以K均值聚类算法为基础,引入分裂式思想,提取所有数据对象的属性值组建矢量,通过求解所有数据对象的全部属性,得到经过规范化预处理的数据对象矩阵,根据样本点与点群之间的最小最大距离,构建分裂式K均值聚类算法,采用样本点密度函数界定公式,选取出最优初始聚类中心,结合样本点间距离,完成密度加权下的分裂式K均值聚类算法设计.经对比实验结果发现,所提算法较好地解决了初始聚类中心选取的随机问题,在有效提高聚类准确性的同时大幅度降低了迭代次数,提升了聚类效率.

关键词：密度加权、分裂式、属性值、初始聚类中心、样本密度

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：山西省教育科学规划课题十二五;创新团队建设项目

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：254-257