结合最大最小距离和加权密度的K-means聚类算法

• 作者: 杨延娇 王丕栋 秦红武 耿琳 马克勤
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-means 初始中心 离群点 密度法 最大最小距离
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 理论与研发
• 页码范围: 50-54
• 页数: 5页
• 分类号: TP391.4
• 字数: 5329字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0334

摘要

随机选取初始聚类中心和根据经验设置K值对K-means聚类结果都有一定的影响,针对这一问题,提出了一种基于加权密度和最大最小距离的K-means聚类算法,称为KWDM算法.该算法利用加权密度法选取初始聚类中心点集,减少了离群点对聚类结果的影响,通过最大最小距离准则启发式地选择聚类中心,避免了聚类结果陷入局部最优,最后使用准则函数即簇内距离和簇间距离的比值来确定K值,防止了根据经验来设置K值.在人工数据集和UCI数据集上的实验结果表明,KWDM算法不仅提高了聚类的准确率,而且减少了算法的平均迭代次数,增强了算法的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨延娇	西北师范大学计算机科学与工程学院	13	98	7.0	9.0
2	秦红武	西北师范大学计算机科学与工程学院	7	25	4.0	5.0
3	马克勤	西北师范大学计算机科学与工程学院	1	0	0.0	0.0
4	耿琳	西北师范大学计算机科学与工程学院	1	0	0.0	0.0
5	王丕栋	西北师范大学计算机科学与工程学院	1	0	0.0	0.0