基于Fisher线性判别率的加权K-means聚类算法

• 作者: 冯进兰 吴静丽 杨鹤标 沈项军 薛艳锋
• 来源期刊: 计算机应用研究
• 关键词: K-均值 聚类 Fisher线性判别率 特征加权 熵 调整随机指标 类内错误率均方和
• 年，卷（期）: 2010,（12）
• 页码范围: 4439-4442
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.12.011

摘要

为提高K-means聚类效果,采用Fisher线性判别率的方法确定特征在聚类中的贡献度并依此对特征进行加权聚类.在人工和实际数据集上所做的实验表明,本方法在聚类效果上优于其他同类加权K-means聚类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鹤标	江苏大学计算机科学与通信工程学院	78	637	13.0	22.0
2	沈项军	江苏大学计算机科学与通信工程学院	19	74	4.0	8.0
3	薛艳锋	江苏大学计算机科学与通信工程学院	2	26	2.0	2.0
4	吴静丽	江苏大学计算机科学与通信工程学院	3	12	2.0	3.0
5	冯进兰	江苏大学计算机科学与通信工程学院	1	10	1.0	1.0