基于K-means的最小生成树聚类算法

• 作者: 欧阳浩 王智文 王萌 陈波 黄镇谨
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 聚类分析 K-means 最小生成树 质量评价函数
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 设计与研究
• 页码范围: 41-44,52
• 页数: 5页
• 分类号: TH122|TG65
• 字数: 3096字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2014.04.011

摘要

传统的K-means算法只能识别出类似球形的数据集，传统的MST聚类算法虽然能识别任意形状的数据集，但对噪声和异常点十分敏感，由此提出了一种将K-means聚类与MST聚类相结合的聚类算法。此算法先使用K-means算法将数据分割成多个小的类似球形的数据集，然后对各个小的数据集的均值点采用MST聚类算法进行聚类分析。实验证明此算法具有较好的抗干扰性，并且可以识别出任意形状分布的数据集。为了评价聚类算法的性能，文中同时提出了一种新的聚类质量评价函数，实验证明此评价函数是有效的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王智文	广西科技大学计算机学院	21	48	4.0	5.0
2	黄镇谨	广西科技大学计算机学院	17	65	5.0	7.0
3	王萌	广西科技大学计算机学院	15	54	4.0	7.0
4	欧阳浩	广西科技大学计算机学院	19	82	6.0	8.0
5	陈波	广西科技大学计算机学院	20	63	5.0	7.0