融合Pearson相似度与最小生成树的K-means算法

摘要：

针对传统K-means算法初始化对参数k与初始中心选取敏感问题,提出一种融合Pearson相似度与最小生成树的K-means算法.首先,采用Hermite插值法对数据集进行均差计算,以此确定参数k;其次,计算数据对象间的Pearson相似度并将其作为无向图边的权值,由最小生成树进一步得到k个初始中心;最后,将本文算法同传统K-means和MST-K算法比较.仿真实验结果表明,本文算法在k与初始中心选取的准确性、聚类效果稳定性方面均表现出明显优势.

关键词：K-means、最小生成树、Pearson相似度、均差计算

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省科技落地计划项目;江西省大学生创新创业训练项目

在线出版日期：2023-05-06（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：91-96