10.3969/j.issn.2095-6835.2010.09.093
一种改进的K-means聚类算法
本文提出了一种带离群点数据过滤的K-means改进算法.该算法根据离群点数据特征制定了离群点数据的发现规则,并在原算法中加入了离群点数据的发现和处理步骤.通过对给定的具有普遍意义的数据实验表明,改进后算法能较为稳定的发现数据集中存在的"离群点数据",这些"离群点数据"符合离群点数据特征;同时在剔除这些极少数离群点数据后,显著提高了聚类结果簇的凝聚度,从而有效克服了离群点数据对K-means算法的影响,使聚类效果得以显著提高.
聚类分析、K-means算法、离群点数据
26
TP182;F810.423(自动化基础理论)
2014-07-08(万方平台首次上网日期,不代表论文的发表时间)
共2页
233-234