一种基于局部密度的核K-means算法

摘要：

针对核K-means算法初始聚类中心点难以确定等问题,提出了一种基于局部密度的核K-means算法,该方法利用每个样本的局部相对密度来选择具有高密度且低相似性的样本来生成初始类中心点.实验结果表明,该算法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终可以生成质量较高且波动性较小的聚类.

关键词：数据挖掘、局部密度、K-means

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省"青蓝工程"资助项目;江苏省六大人才高峰资助项目07-E-025;江苏省高校自然科学重大基金研究资助项目08KJA520001;国家中小企业创新基金资助项目09C26213203797;国家自然科学基金资助项目70971067

在线出版日期：2011-04-27（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：78-80,90