应用于数字电视用户浏览行为的二分K-medoids聚类算法

摘要：

为了对数字电视用户浏览行为进行有效分析,提出了应用于数字电视用户浏览行为的二分K-medoids算法.针对欧氏距离容易丢失数据信息、受异常值影响较大的缺点,利用云相似度对聚类算法进行了改进,减少异常数据等不确定因素对聚类结果的影响;针对K-means算法易受人为因素影响的迭代次数、大数据环境下聚类中心不再变化难以实现等停止准则问题,使用了一种综合类内、类间相似度和类簇个数三个因素的停止准则,在不过度消耗系统资源的同时又能满足实际的聚类需求.在实验中将基于云相似度的二分K-medoids (BKS)、基于云相似度的K-medoids (KS)算法在不同用户数量下进行测试,实验结果表明提出的算法提高了聚类准确性和算法的鲁棒性.

关键词：数字电视、用户浏览行为、聚类算法、云相似度、二分K-medoids

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2019-03-18（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：3575-3578