改进的分类数据聚类中心初始化方法

• 作者: 唐雁 王思杰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 模糊K-modes算法 距离 密度 初始聚类中心 离群点检测
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 73-76
• 页数: 4页
• 分类号: TP181
• 字数: 5064字
• 语种: 中文

摘要

模糊K-modes算法是一种有效的针对分类数据的聚类方法,但算法性能非常依赖于初始中心的选择.针对模糊聚类算法对初始中心敏感这一问题,提出一种改进的基于距离和离群点检测的初始中心选择的方法.首先,通过增大初始中心选择过程中距离所占的比重,使所选择的初始中心点更具有分布性;然后,运用基于距离的离群点检测技术对初始中心点进行进一步筛选,避免离群点成为初始中心.对比实验结果表明,改进方法提高了分类数据初始中心选择的成功率,并具有较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐雁	西南大学计算机与信息科学学院	37	294	8.0	15.0
2	王思杰	西南大学计算机与信息科学学院	1	4	1.0	1.0