10.3778/j.issn.1673-9418.2110025
融合最近邻矩阵与局部密度的自适应K-means聚类算法
针对传统K-means聚类算法对初始聚类中心和离群孤立点敏感的缺陷,以及现有引入密度概念优化的K-means算法均需要设置密度参数或阈值的缺点,提出一种融合最近邻矩阵与局部密度的自适应K-means聚类算法.受最邻近吸收原则与密度峰值原则启发,通过引入数据对象间的距离差异值构造邻近矩阵,根据邻近矩阵计算局部密度,不需要任何参数设置,采取最近邻矩阵与局部密度融合策略,自适应确定初始聚类中心数目和位置,同时完成非中心点的初分配.人工数据集和UCI数据集的实验测试,以及与传统K-means算法、基于离群点改进的K-means算法、基于密度改进的K-means算法的实验比较表明,提出的自适应K-means算法对人工数据集的孤立点免疫度较高,对UCI数据集具有更准确的聚类结果.
自适应K-means聚类算法、密度峰值原则、最邻近吸收原则、局部密度
17
TP301(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共12页
355-366