基于距离和密度的PBK-means算法

摘要：

K-means算法初始中心点选择的随机性以及对噪声点的敏感性,使得聚类结果易陷入局部最优解,为获得最佳初始聚类中心,提出一种基于距离和密度的并行二分K-means算法.计算数据集的平均样本距离,根据数据点之间的距离计算数据的权重,选择最大权重数据点作为第一个中心点,小于平均样本距离的数据点不参加下一次聚类,将剩余数据点的权重与中心点距离相乘,选择值最大的数据点作为下一个中心点,得到两个中心点后按照距离对数据进行分配,将每个中心点代表的类分为两类后在每类上继续重复上述步骤.通过模仿细胞分裂的方法对数据进行切分,构建一棵满二叉树,当叶子结点数超过类别数k时停止聚类,合并叶子结点得到k个初始聚类中心执行K-means算法.在UCI公开数据集上进行测试,结果表明,对比传统K-means算法、Canopy-Kmeans算法、二分K-means算法、WK-means算法、MWK-means算法和DCK-means算法,该算法效率更高,具有较好的聚类效果.

关键词：二分K-means算法、聚类中心、初始中心点、权重、数据挖掘

所属期刊栏目：46

分类号：TP301.6(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金重点项目“基于大数据的城市公共安全风险预警研究”;教育部哲学社会科学研究重大课题攻关项目“大数据驱动的城市公共安全风险研究”

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：68-75