学习特征权值对聚类算法的优化

• 作者: 冯必波 陈艳
• 来源期刊: 重庆工学院学报（自然科学版）
• 学科: 工学
• 关键词: 特征权值 k-均值算法 免疫算法 聚类算法
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 信息·电子·计算机
• 页码范围: 73-76
• 页数: 4页
• 分类号: TP183
• 字数: 3148字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425-B.2008.05.018

摘要

现有的k一均值聚类算法大都是以距离差异为基础的,而同等重要地依赖所有属性的相似性度量会引起误导.传统的k-均值算法选择的相似性度量通常是欧几里德距离的倒数,这种距离通常涉及所有的特征.而在距离公式中引入一些特征权值后,其聚类结果将依赖于这些权值,从而可以通过调整这些权值优化聚类效果.由于k-均值算法是迭代算法,很难直接确定其权值以优化聚类结果,因此提出了一种通过免疫算法学习权值的方法以改进聚类结果.实验结果显示,该方法确定的权重值在提高聚类效果方面是可行的、有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈艳	重庆工学院计算机科学与工程学院	11	39	4.0	5.0
2	冯必波	重庆工学院计算机科学与工程学院	3	6	2.0	2.0