粒计算优化初始聚类中心的K-medoids聚类算法

• 作者: 屈亚楠 谢娟英 高红超 鲁肖肖
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 粒计算 初始聚类中心 最大最小距离法 K-me doids聚类算法
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 611-620
• 页数: 10页
• 分类号: TP181.1
• 字数: 8422字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1409053

摘要

针对快速K-me doids聚类算法所选初始聚类中心可能位于同一类簇的缺陷，以及基于粒计算的K-medoids算法构造样本去模糊相似矩阵时需要主观给定阈值的缺陷，提出了粒计算优化初始聚类中心的K-medoids聚类算法。该算法结合粒计算与最大最小距离法，优化K-medoids算法初始聚类中心的选取，选择处于样本分布密集区域且相距较远的K个样本作为初始聚类中心；使用所有样本的相似度均值作为其构造去模糊相似矩阵的阈值。人工模拟数据集和UCI机器学习数据库数据集的实验测试表明，新K-medoids聚类算法具有更稳定的聚类效果，其准确率和Adjusted Rand Index等聚类结果评价指标值优于传统K-medoids聚类算法、快速K-medoids聚类算法和基于粒计算的K-medoids聚类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢娟英	陕西师范大学计算机科学学院	46	873	15.0	28.0
2	高红超	陕西师范大学计算机科学学院	2	99	2.0	2.0
3	屈亚楠	陕西师范大学计算机科学学院	3	62	3.0	3.0
4	鲁肖肖	陕西师范大学计算机科学学院	1	22	1.0	1.0