基于簇内不平衡度量的粗糙K-means聚类算法

摘要：

粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法，但大多数算法对簇的下近似集和边界中的对象使用统一的权值，忽略了簇内对象之间的差异性。针对这一问题提出一种新的改进算法，通过对簇内的每个对象加入簇内不平衡度量，以区分不同对象对簇的贡献程度，使得聚类结果簇内更紧凑、簇间更疏远。不同数据集的仿真实验结果表明，所提出算法可以有效提高聚类结果的精度。

关键词：簇内不平衡度量、粗糙集、粗糙K-means聚类

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61105082,61073114；南京邮电大学“攀登计划”项目NY212093；江苏省教育厅高校自然科学基金基础研究项目11KJB120001

在线出版日期：2013-10-30（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：1479-1484