数据挖掘中聚类初始化方法的优化研究

• 作者: 李新良
• 来源期刊: 计算技术与自动化
• 关键词: 数据挖掘 聚类 聚类有效性 聚类初始化 分类属性
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 计算机应用及软件
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6199.2008.02.033

摘要

研究现有的迭代优化聚类的初始化方法:即采样法,距离优化法以及密度估计法,分析它们的优缺点.提出一种新的基于距离的初始化方法,它不需要设定门限,不受数据集的顺序影响,它使得聚类过程有良好的速度和迭代次数,且初始化运算时间较短,对孤立点和噪声有较强的抑制作用,它适用于较大规模数据的聚类初始化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新良		29	98	5.0	9.0