一种改进的K-means聚类算法

• 作者: 张建民
• 来源期刊: 科技与创新
• 关键词: 聚类分析 K-means算法 离群点数据
• 年，卷（期）: 2010,（9）
• 页码范围: 233-234
• 分类号: TP182|F810.423
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.09.093

摘要

本文提出了一种带离群点数据过滤的K-means改进算法.该算法根据离群点数据特征制定了离群点数据的发现规则,并在原算法中加入了离群点数据的发现和处理步骤.通过对给定的具有普遍意义的数据实验表明,改进后算法能较为稳定的发现数据集中存在的"离群点数据",这些"离群点数据"符合离群点数据特征;同时在剔除这些极少数离群点数据后,显著提高了聚类结果簇的凝聚度,从而有效克服了离群点数据对K-means算法的影响,使聚类效果得以显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建民		2	28	2.0	2.0