一种基于复杂网络属性值的K-means聚类算法

• 作者: 任家东 卢海涛 董俊
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 聚类 复杂网络 K-means 初始聚类中心
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 343-347
• 分类号: TP311.131
• 字数: 3717字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2012.04.012

摘要

传统-means聚类算法的性能依赖于初始聚类中心的选择.本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的K个节点作为聚类的初始聚类中心,然后进行聚类迭代过程.实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任家东	燕山大学信息科学与工程学院	49	218	9.0	11.0
2	卢海涛	燕山大学信息科学与工程学院	11	27	3.0	5.0
3	董俊	燕山大学信息科学与工程学院	6	9	2.0	2.0