一种基于密度的K-means法研究

• 作者: 张琳 张金松 汲业 陈燕
• 来源期刊: 计算机应用研究
• 关键词: K -means算法 基于密度 类内距离 类间距离
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4071-4073,4085
• 分类号: TP391|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.11.018

摘要

针对传统K-means算法必须事先确定聚类数目以及对初始聚类中心的选取比较敏感的缺陷,采用基于密度的思想,通过设定Eps邻域以及Eps邻域内至少包含的对象数minpts来排除孤立点,并将不重复的核心点作为初始聚类中心;采用类内距离和类间距离的比值作为准则评价函数,将准则函数取得最小值时的聚类数作为最佳聚类数,这些改进有效地克服了K-means算法的不足.最后通过几个实例介绍了改进后算法的具体应用,实例表明改进后的算法比原算法有更高的聚类准确性,更能实现类内紧密类间远离的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琳	大连海事大学交通运输管理学院	11	116	5.0	10.0
2	陈燕	大连海事大学交通运输管理学院	166	1835	23.0	33.0
3	汲业	大连海事大学交通运输管理学院	5	97	3.0	5.0
4	张金松	大连海事大学交通运输管理学院	22	231	9.0	15.0