基于核的自适应K-Medoid聚类
针对K-Medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到K-Medoid算法,提出了基于核的自适应K-Medoid算法.该算法利用核函数将输入空间样本映射到一个高维的特征空间,在这个核空间中进行K-Medoid聚类,在聚类过程中,数据可以自适应地加入到最适合它的簇当中,并且聚类结果与初始k个中心点的选取无关,该算法可以完成对大数据集和高维数据的聚类.实验结果表明,与K-Medoid算法相比,该算法具有较高的聚类准确率.
聚类、核方法、核函数、k-中心点、特征空间
30
TP311.13(计算技术、计算机技术)
教育部博士点基金项目20030487032
2009-04-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
674-675,688