基于谱聚类的全局中心快速更新聚类算法

摘要：

针对高维数据在聚类过程中存在迭代次数多、运算耗时长等问题,提出一种改进的聚类算法,首先采用谱聚类对样本降维,再选取k个首尾相连且距离乘积最大的数据对象作为初始聚类中心,在簇中心更新过程中,选取与簇均值距离最近的数据对象作为簇中心,并将其他数据对象按最小距离划分至相应簇中,反复迭代,直至收敛.实验结果表明,新算法的Rand指数、Jaccard系数和Adjusted Rand Index等聚类指标全部优于K-means算法及其他3种改进聚类算法,在运行效率方面,新算法的聚类耗时更短、迭代次数更少.

关键词：全局中心、均值最近点、谱聚类、聚类评价指标、聚类算法

分类号：TP301.6(计算技术、计算机技术)

资助基金：广东省科技厅科技发展专项资金项目2017A070712006;韶关市科技计划项目2017CX/K055;广东大学生科技创新培养专项资金项目pdjh2015a0715

在线出版日期：2018-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6-11