方差优化初始中心的K-medoids聚类算法

摘要：

针对快速K-medoids聚类算法存在密度计算复杂耗时和初始聚类中心可能位于同一类簇的缺陷，以及基于邻域的K-medoids算法的邻域半径需要人为给定一个调节系数的主观性缺陷，分别以样本间距离均值和相应样本的标准差为邻域半径，以方差作为样本分布密集程度的度量，选取方差值最小且其间距离不低于邻域半径的样本为K-medoids的初始聚类中心，提出了两种方差优化初始中心的K-medoids算法。在UCI数据集和人工模拟数据集上进行了实验测试，并对各种聚类指标进行了比较，结果表明该算法需要的聚类时间短，得到的聚类结果优，适用于较大规模数据集的聚类。

关键词：方差、标准差、邻域、初始聚类中心、K-medoids聚类

分类号：TP181.1(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.31372250;the Key Science and Technology Program of Shaanxi Province under Grant No.2013K12-03-24;the Fundamental Research Funds for the Central Universities of China under Grant No. GK201503067

在线出版日期：2015-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：973-984