10.3778/j.issn.1002-8331.1112-0644
一种新的k-medoids聚类算法
针对k-medoids算法对初始聚类中心敏感,聚类精度较低及收敛速度缓慢的缺点,提出一种基于密度初始化、密度迭代的搜索策略和准则函数优化的方法。该算法初始化是在高密度区域内选择k 个相对距离较远的样本作为聚类初始中心,有效定位聚类的最终中心点;在k个与初始中心点密度相近的区域内进行中心点替换,以减少候选点的搜索范围;采用类间距和类内距加权的均衡化准则函数,提高聚类精度。实验结果表明,相对于传统的k-mediods 算法及某些改进算法,该算法可以提高聚类质量,有效缩短聚类时间。
聚类、k-medoids算法、密度初始化、目标函数
TP391.4(计算技术、计算机技术)
国家自然科学基金No.11171095,No.10871031;湖南省自然科学衡阳联合基金No.10JJ8008;湖南省教育厅重点项目No.10A015;湖南省科技计划项目No.2011FJ3051。
2013-10-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
153-157