基于数据场的数据势能竞争与K-means融合的聚类算法

• 作者: 张桂珠 许家楠
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据竞争 数据场 势能熵 斜率 复杂数据集
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法
• 页码范围: 266-272
• 页数: 7页
• 分类号: TP18
• 字数: 6364字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.12.051

摘要

K-means算法采用欧氏距离进行数据点的划分,不能够准确地刻画数据集特征,而随机选取聚类中心点的机制,也不能获得好的聚类结果.为此,提出一种基于数据场的数据势能竞争与K-means算法融合的聚类算法.算法中定义了数据场的概念,利用局部最小距离进行数据聚合势能的竞争,然后利用势能熵提取基于数据集分布的最优截断距离,根据截断距离与斜率确定出簇中心点,实现K-means聚类.在UCI数据集上的测试结果表明,融合后的算法具有更好的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张桂珠	江南大学物联网工程学院	33	196	9.0	12.0
2	许家楠	江南大学物联网工程学院	2	5	1.0	2.0