一种改进的K-means聚类算法与孤立点检测研究

• 作者: 东春昭 尹敏杰
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: K-MEANS K距离 孤立点 伪聚类中心
• 年，卷（期）: 2010,（7X）
• 页码范围: 6085-6086
• 页数: 2页
• 分类号: TP311.13

摘要

传统的K-means算法对于孤立点数据是非常敏感的,少量的该类数据就能对聚类结果产生很大影响。该文提出了一种改进的K-means算法来消弱这种敏感性。算法基于孤立点检测LOF算法中计算K距离的思想,将大于K距离的数据点作为伪聚类中心参与聚类划分,通过对聚类结果的评价来判断该数据点是否为孤立点。若为孤立点则去掉该点,进而来提高聚类质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹敏杰		3	9	2.0	3.0
2	东春昭		5	9	2.0	3.0