一种基于加权复杂网络特征的K-means聚类算法

• 作者: 王清毅 耿焕同 蔡庆生 赵鹏
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 复杂网络 聚集度 聚集系数
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 35-37,40
• 页数: 4页
• 分类号: TP18
• 字数: 3390字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.09.011

摘要

在分析了传统的基于划分的K-means聚类算法的优越性和存在不足的基础上,根据近两年复杂网络研究中部分新的理论成果,提出了复杂网络加权度、加权聚集度与加权聚集系数的定义,并将数据聚类转换为复杂网络上的节点聚类,提出基于加权复杂网络特征的K-means聚类算法(简称WCNFC算法).实验结果表明,该算法根据节点加权复杂网络特征值,能够较好地找到聚类中心,有效地避免了对初始化选值敏感性的问题,从而使得聚类质量大大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹏	安徽大学计算智能与信号处理教育部重点实验室	61	683	15.0	24.0
3	蔡庆生	中国科学技术大学计算机系	115	2706	28.0	47.0
4	耿焕同	中国科学技术大学计算机系	22	506	12.0	22.0
7	王清毅	中国科学技术大学计算机系	9	436	8.0	9.0