关于优化K-medoids聚类算法搜索策略研究

• 作者: 吴建华 朱纯 潘毅
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 聚类算法 局部密度区域 初始中心点 领域搜索策略 加权准则函数
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 244-248,277
• 页数: 6页
• 分类号: TP301
• 字数: 5997字
• 语种: 中文

摘要

由于传统K-medoids聚类算法对初始中心点敏感,计算迭代次数较高,存在聚类准确率不够高等缺点.为了解决中心点敏感问题,首先利用密度思想为数据集中每个对象建立一个ε0-领域,利用最大最小距离法遴选出K个密度大且距离较远的ε0--领域,把对应的ε0--领域的核心对象作为聚类算法的K个初始中心点;然后,为了解决传统K-medoids聚类算法的迭代次数较高、全局搜索的盲目性,在获取有效初始中心点的前提下,提出了以初始中心点为核心进行ε0-领域搜索更新策略,用来减少聚类算法的中心点更新迭代次数;同时,为了解决传统K-medoids聚类算法聚类准确率较低等缺点,提出了赋予簇内距离和簇间距离不同权重的准则函数,增强聚类算法的评价标准.改进后的算法在Iris和Wine数据集上进行测试,实验结果表明,初始中心点分别位于不同的簇中,降低了算法的迭代次数,提高了聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建华	长沙理工大学计算机与通信工程学院	11	37	4.0	5.0
2	朱纯	长沙理工大学计算机与通信工程学院	1	5	1.0	1.0
3	潘毅	长沙理工大学计算机与通信工程学院	1	5	1.0	1.0