基于离群点检测(LOF)的K-means算法

• 作者: 李丹宁 杨红 王雅洁
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: LOF K-means算法 类内距离 类间距离
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 1884-1888
• 页数: 5页
• 分类号: TP301.6
• 字数: 2866字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.08.013

摘要

通过对传统K均值聚类(K-means)算法各种改进算法的学习与研究,针对离群点导致聚类结果效果不理想的问题,提出将离群点检测算法(LOF)与传统K-means算法相结合,首先利用离群点检测算法对数据集进行预处理并将离群点按一定比例筛选,然后用K-means算法对数据集进行分类,将未经LOF处理的分类结果与预处理后的结果进行对比.由实验仿真结果可知,提出的算法与传统K-means算法相比较,分类效果具有更大的类间距离和更小的类内距离,聚类结果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丹宁	贵州大学大数据与信息工程学院	2	3	1.0	1.0
2	杨红	贵州大学大数据与信息工程学院	7	14	2.0	3.0
3	王雅洁		1	0	0.0	0.0