改进的分类数据聚类中心初始化方法

摘要：

模糊K-modes算法是一种有效的针对分类数据的聚类方法,但算法性能非常依赖于初始中心的选择.针对模糊聚类算法对初始中心敏感这一问题,提出一种改进的基于距离和离群点检测的初始中心选择的方法.首先,通过增大初始中心选择过程中距离所占的比重,使所选择的初始中心点更具有分布性;然后,运用基于距离的离群点检测技术对初始中心点进行进一步筛选,避免离群点成为初始中心.对比实验结果表明,改进方法提高了分类数据初始中心选择的成功率,并具有较高的准确率.

关键词：模糊K-modes算法、距离、密度、初始聚类中心、离群点检测

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：中央高校基本科研业务费专项资金资助项目XDJK2015C110

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：73-76