一种含噪音处理的 K-means 聚类算法

• 作者: 郭跃飞 陆进
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 抗噪 聚类 KD 树 密度 质心
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 算 法
• 页码范围: 265-268
• 页数: 4页
• 分类号: TP391
• 字数: 4850字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.10.063

摘要

K-means 作为经典的聚类算法，对噪音很敏感。在实际应用中，数据通常包含较多噪音，聚类难以得到良好的效果。提出一种含噪音处理的 K-means 聚类算法。算法将原空间动态地划分成若干个区域，利用对应的区域密度加权计算样本与每个区域质心的相似度矩阵，作为 K-means 的输入。该矩阵有效描述了数据的分布信息，同时实现了特征的降维，能更有效处理带噪音数据的聚类任务，更适用于数据分布复杂的情况。实验结果证实了此算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭跃飞	复旦大学计算机科学技术系	21	239	8.0	15.0
2	陆进	复旦大学计算机科学技术系	1	3	1.0	1.0