结合可信度的km-means算法

摘要：

以K-means为代表的聚类算法被广泛地应用在许多领域,但是K-means不能直接处理不完整数据集.km-means是一种处理不完整数据集的聚类算法,通过调整局部距离计算方式,减少不完整数据对聚类过程的影响.然而km-means初始化阶段选取的聚类中心存在较大的不可靠性,容易陷入局部最优解.针对此问题,本文引入可信度,提出了结合可信度的km-means聚类算法,通过可信度调整距离计算,增大初始化过程中选取聚类中心的可靠性,提高聚类算法的准确度.最后,通过UCI和UCR数据集验证算法的有效性.

关键词：不完整数据、聚类中心、可信度、局部距离、K-means

所属期刊栏目：31

分类号：TP391;TP181;TN958.92

资助基金：福建省自然科学基金项目2018J01794

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：175-181