自适应特征权重的K-means聚类算法

• 作者: 李四海 满自斌
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-means 医学数据聚类 自适应特征权重 聚类评价 混淆矩阵
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 98-101,105
• 页数: 5页
• 分类号: TPI81
• 字数: 4208字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.06.025

摘要

为提高传统K-means聚类算法在医学数据聚类中的准确率和稳定性,提出了一种自适应特征权重的K-means聚类算法AFW-K-means.该算法首先通过计算属性的均方差选取初始聚类中心,然后根据当前的迭代结果,按照类内紧密、类间远离的原则调整属性在距离公式中的特征权重,以便更准确地反映数据点在欧氏空间中的真实距离,最后选取UCI上的BCW乳腺肿瘤等数据集对算法的有效性进行验证.结果表明:算法的准确率和稳定性均明显好于传统K-means 算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李四海		33	80	6.0	7.0
2	满自斌		5	34	3.0	5.0