一种对孤立点不敏感的新的K-Means聚类算法

摘要：

针对传统K-Means聚类算法的不足,提出一种新的对孤立点不敏感的K-Means聚类算法.首先,采用孤立点移除算法消除数据集中存在的孤立点;然后,对不包含孤立点的数据集进行传统K-Means聚类,再引入轮廓系数并选择轮廓系数最大值对应的簇类数作为数据集中簇的最优选择数目K;最后,通过自定义的聚类有效性评价函数评估聚类效果.实验结果表明,相对于传统K-Means聚类算法,对孤立点不敏感的新的K-Means聚类算法能够消除孤立点对数据集整体的影响,并优化了聚类中心的选择.

关键词：K-Means聚类算法、孤立点、轮廓系数、簇类数、聚类有效性评价函数、聚类中心

所属期刊栏目：43

分类号：TN911.1-34;TP391.9

资助基金：陕西省教育厅专项科研计划项目17JK0703

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：109-112