改进的DK算法在网络信息聚类中的应用

• 作者: 杨更
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 文本聚类 k-means算法 DK算法 DK-Ⅱ算法
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 217-219
• 分类号: TP391
• 字数: 3815字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2012.08.059

摘要

k-means聚类算法的有效性依赖于初始中心的选择.提出一种利用样本点空间分布的邻域密度来选择合理的初始中心的算法.提出的算法是对DK算法[2]的一种改进.有两方面改进:一是通过合理地选择距离阈值来静态地选择初始聚类中心,称为DK-Ⅱ-S算法;二是通过对选择样本点计算密度与已选择聚类中心最小距离的加权,使得该点被选择为初始中心点的概率与这个加权成正比,动态地选择初始聚类中心,称为DK-Ⅱ-D算法.在一个实际文本数据集上进行实验计算,证实算法改进的效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨更		2	6	1.0	2.0