基于KD树子样的聚类初始化算法

• 作者: 潘章明
• 来源期刊: 计算机系统应用
• 学科: 工学
• 关键词: 聚类初始化 KD树 子样 K均值算法
• 年，卷（期）: 2011,（1）
• 页码范围: 80-83
• 分类号: TP3
• 字数: 3274字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2011.01.017

摘要

在处理大数据集聚类初始化问题时,随机子样法是一种重要的数据约简操作.对随机取样的过程、特征及缺陷进行了分析,提出一种基于KD树子样的聚类初始化方法.该方法利用KD树将样本空间以递归方式细分成多个子空间,并分别在各子空间中随机取样形成KD树子样,有效避免了随机子样分布有偏的不足,使得子样中好的聚类初始点也能很好的表达整个数据集的聚类结构.仿真结果表明,该方法选择的聚类初始点更加接近期望的聚类中心,能获得更高的聚类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘章明	广东金融学院计算机科学与技术系	15	56	5.0	6.0