二维空间中硬聚类算法影响力因子的作用研究

摘要：

经典硬聚类算法HCM(hard c-means)完全基于欧氏距离,针对其无法较好应对各簇规模差异较大的情况,提出在每个欧氏距离项上加入一个影响力因子,使基于距离的标准转变为更通用的基于角度的标准的方法(HCMef算法).用该算法对二维空间中两类分布密度基本一致,样本数对比分别为1000:1000、1000:5000和1000:10000,正态分布且类边界从较模糊到较清晰的不同数据进行试验.结果显示,HCMef方法可以很好地找到聚类中心的标准设定值,在各种情况下都有很明显优势,表现出很强的稳定性.表明该方法在二维两类情况下的可行性,并值得做进一步推广研究.

关键词：HCM、聚类、影响力因子

所属期刊栏目：33

分类号：TP3(计算技术、计算机技术)

资助基金：国家211工程项目

在线出版日期：2006-11-13（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：182-185