基于簇内不平衡度量的粗糙K-means聚类算法
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。
簇内不平衡度量、粗糙集、粗糙K-means聚类
TP18(自动化基础理论)
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
2013-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
1479-1484