基于距离和密度的d-K-means算法

• 作者: 唐泽坤 朱泽宇 李廉 李彩虹 杨裔
• 来源期刊: 计算机应用研究
• 关键词: 聚类 K-means算法 最小最大原则 类中心个数
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1719-1723
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0861

摘要

针对K-means算法对初始聚类中心和噪声敏感的缺点,提出了d-K-means算法(distance&density),在K-means算法的基础上权衡了密度和距离对聚类的影响,对数据进行加权处理,在权值基础上引入最小最大原则选择初始聚类中心,自动确定类中心个数.实验结果表明,d-K-means算法在低维与高维数据上都可以取得较好的聚类效果,并且可以更好地应对低密度区域数据,更好地进行类中心选择.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李廉	兰州大学信息科学与工程学院	69	731	11.0	26.0
2	唐泽坤	兰州大学信息科学与工程学院	3	0	0.0	0.0
3	朱泽宇	兰州大学信息科学与工程学院	1	0	0.0	0.0
4	杨裔	兰州大学信息科学与工程学院	10	45	4.0	6.0
5	李彩虹	兰州大学信息科学与工程学院	16	37	4.0	6.0