基于距离和密度的d-K-means算法

摘要：

针对K-means算法对初始聚类中心和噪声敏感的缺点,提出了d-K-means算法(distance&density),在K-means算法的基础上权衡了密度和距离对聚类的影响,对数据进行加权处理,在权值基础上引入最小最大原则选择初始聚类中心,自动确定类中心个数.实验结果表明,d-K-means算法在低维与高维数据上都可以取得较好的聚类效果,并且可以更好地应对低密度区域数据,更好地进行类中心选择.

关键词：聚类、K-means算法、最小最大原则、类中心个数

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划资助项目;国家自然科学基金资助项目;甘肃省自然科学基金资助项目;甘肃省科技支撑计划资助项目;甘肃省科技重大专项项目

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1719-1723