计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
34期
126-128
,共3页
聚类%K-means算法%初始中心%密度%粗糙集
聚類%K-means算法%初始中心%密度%粗糙集
취류%K-means산법%초시중심%밀도%조조집
针对K-means算法的不足,提出了一种优化初始中心的聚类算法.首先,采用密度敏感的相似性度量来计算对象的密度,基于对象之间的距离和对象的邻域,选择相互距离尽可能远的数据点作为初始聚类中心.然后,采用基于粗糙集的K-means聚类算法处理边界对象,同时利用均衡化函数自动生成聚类数目.实验表明,算法具有较好的聚类效果和综合性能.
針對K-means算法的不足,提齣瞭一種優化初始中心的聚類算法.首先,採用密度敏感的相似性度量來計算對象的密度,基于對象之間的距離和對象的鄰域,選擇相互距離儘可能遠的數據點作為初始聚類中心.然後,採用基于粗糙集的K-means聚類算法處理邊界對象,同時利用均衡化函數自動生成聚類數目.實驗錶明,算法具有較好的聚類效果和綜閤性能.
침대K-means산법적불족,제출료일충우화초시중심적취류산법.수선,채용밀도민감적상사성도량래계산대상적밀도,기우대상지간적거리화대상적린역,선택상호거리진가능원적수거점작위초시취류중심.연후,채용기우조조집적K-means취류산법처리변계대상,동시이용균형화함수자동생성취류수목.실험표명,산법구유교호적취류효과화종합성능.