10.19678/j.issn.1000-3428.0056670
基于邻域归属信息混合度量的粗糙K-Means算法
粗糙K-Means及其衍生算法在处理边界区域不确定信息时,其边界区域中的数据对象因与各类簇中心点的距离相差较小,导致难以依据距离、密度对数据点进行区分判断.提出一种新的粗糙K-Means算法,在对数据进行划分时,综合数据对象的局部密度与邻域归属信息来衡量数据点与类簇的相似性,边界数据与类簇之间的关系由其局部的空间分布所决定,使得模糊不确定信息之间的差异更明显.在人工数据集和UCI标准数据集上的实验结果表明,该算法对边界区域数据的划分具有更高的准确率.
粗糙集、K-Means算法、局部密度、邻域信息、簇内相似
47
TP18(自动化基础理论)
国家自然科学基金;江苏省自然科学基金;江苏省高校自然科学研究重大项目
2021-03-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
109-116