一种基于特征加权的K-Means算法研究

• 作者: 付学良 徐艳 李宏慧 王晴 董改芳
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: K-MEANS聚类 信息熵 RELIEFF算法 特征加权
• 年，卷（期）: 2018,（8）
• 页码范围: 1164-1171
• 页数: 8页
• 分类号: TP39

摘要

聚类分析是将研究对象分为相对同质的群组的统计分析技术,聚类分析的核心就是发现有用的对象簇。K-means聚类算法由于具有出色的速度和良好的可扩展性,一直备受广大学者的关注。然而,传统的K-means算法,未考虑各个属性对于最终聚类结果的影响差异性,这使得聚类的精度有一定的影响。针对上述问题,本文提出一种改进的特征加权算法。改进算法通过采用信息熵和ReliefF特征选择算法对特征进行加权选择,修正聚类对象间的距离函数,使算法达到更准确更高效的聚类效果。仿真实验结果表明,与传统的K-means算法相比,改进后的算法聚类结果稳定,聚类的精度有明显提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董改芳	内蒙古农业大学计算机与信息工程学院	12	28	4.0	5.0
2	王晴	内蒙古农业大学计算机与信息工程学院	11	3	1.0	1.0
3	付学良	内蒙古农业大学计算机与信息工程学院	20	43	3.0	6.0
4	李宏慧	内蒙古农业大学计算机与信息工程学院	11	14	3.0	3.0
5	徐艳	内蒙古农业大学计算机与信息工程学院	1	0	0.0	0.0