基于加权距离进行密度计算的聚类方法研究

• 作者: 杨威 龙华
• 来源期刊: 数据通信
• 关键词: K-means算法 密度计算 加权距离 簇质心
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 技术方案
• 页码范围: 11-15
• 页数: 5页
• 字数: 3358字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-5057.2019.04.003

摘要

本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能.研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显著改善.实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15％左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙华	昆明理工大学信息工程与自动化学院	132	376	9.0	13.0
2	杨威	昆明理工大学信息工程与自动化学院	14	35	3.0	5.0