10.3969/j.issn.1672-9722.2020.06.007
改进的k-means算法在三支决策中的应用研究
针对传统k-means算法不适用有不确定因素存在的环境和现有的三支k-means聚类分析中并未避免传统k-means算法随机选择初始簇中心而导致聚类结果不稳定的问题,论文提出一种改进的k-means算法,借助层次聚类算法和数学抽样方法,结合定义的聚类结果评估有效性指数,获得一组较优的初始中心,并将其作为k-means算法的初始簇中心,然后引进三支决策聚类理论方法进行聚类结果的优化,使其适应具有不确定因素的环境.实验表明,此方法在UCI数据集上的聚类效果、准确率和稳定性均有所提高.
聚类、有效性指数、k-means算法、三支聚类
48
TP391.41(计算技术、计算机技术)
2020-08-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1294-1299,1353