网络推荐系统中K-均值聚类算法的研究及优化

• 作者: 季志民 葛万成
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: 聚类 k-means DMK
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 34-36
• 页数: 3页
• 分类号: TP391.3
• 字数: 2578字
• 语种: 中文

摘要

研究了聚类分析技术在网络推荐系统中的应用.由于k均值(k-means)聚类算法易受到局部最优与噪声点等因素的影响,文章结合DBSCAN(Density-based Spatial Clustering of Application with Noise)算法和MMD(Max-Min Distance)初始聚类中心选取算法,对原始k-means算法进行了改进,提出了DMK(Density-based and Max-min-distance K-means)算法.该算法使用DBSCAN选取高密度点作为第一个聚类中心点的备选范围,接着选择相距最远的K-1个点作为其余的K-1个聚类中心,然后用得到的这组初始聚类中心进行k-means聚类.仿真与实验结果表明,该算法选择的初始聚类中心比较分散且代表性好,聚类的迭代次数减少,聚类结果的纯度提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛万成	同济大学中德学院	144	921	14.0	25.0
2	季志民	同济大学中德学院	1	3	1.0	1.0