基于粒计算的粗糙集聚类算法

• 作者: 周博翔 李莲 罗可
• 来源期刊: 计算机应用研究
• 关键词: 聚类 粗糙集 粒计算 K-均值 准则优化 最大最小距离法
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2916-2919
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.10.008

摘要

针对传统K-means聚类算法初始聚类中心随机选取、不能处理边界对象、效率低、聚类精度低等问题, 提出了一种新的K-means聚类算法。算法引入粒计算理论, 并依据密度和最大最小距离法选择初始聚类中心, 避免初始聚类中心在同一个类中, 结合粗糙集, 通过动态调整上近似集和边界集的权重因子, 以解决边界数据的聚类问题; 最后采用类间距和类内距均衡化准则函数作为算法终止判断条件, 来得到更好的聚类效果。实验结果表明：该算法具有较高的准确率, 迭代次数较少, 并降低了对噪声的敏感程度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗可	长沙理工大学计算机与通信工程学院	92	1085	16.0	28.0
2	李莲	长沙理工大学计算机与通信工程学院	5	68	5.0	5.0
3	周博翔	长沙理工大学计算机与通信工程学院	5	68	5.0	5.0