基于局部密度自适应度量的粗糙K-means聚类算法

• 作者: 张腾飞 逯瑞强 马福民
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 粗糙聚类 K-means 局部密度度量 粗糙集
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 184-190
• 页数: 7页
• 分类号: TP18
• 字数: 6647字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.01.027

摘要

通过引入上、下近似的思想,粗糙K-means已成为一种处理聚类边界模糊问题的有效算法,粗糙模糊K-means、模糊粗糙K-means等作为粗糙K-means的衍生算法,进一步对聚类边界对象的不确定性进行了细化描述,改善了聚类的效果.然而,这些算法在中心均值迭代计算时没有充分考虑各簇的数据对象与均值中心的距离、邻近范围的数据分布疏密程度等因素对聚类精度的影响.针对这一问题提出了一种局部密度自适应度量的方法来描述簇内数据对象的空间特征,给出了一种基于局部密度自适应度量的粗糙K-means聚类算法,并通过实例计算分析验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马福民	南京财经大学信息工程学院	21	88	5.0	7.0
2	张腾飞	南京邮电大学自动化学院	44	314	8.0	16.0
3	逯瑞强	南京财经大学信息工程学院	3	23	3.0	3.0