基于成对约束的SubKMeans聚类数确定算法

• 作者: 何振峰 高波
• 来源期刊: 计算机系统应用
• 关键词: 子空间聚类 聚类数 成对约束 轮廓系数
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 129-134
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007694

摘要

随着数据维度的增加,传统聚类算法会出现聚类性能差的现象.SubKMeans是一种功能强大的子空间聚类算法,旨在为K-Means类算法搜索出一个最佳子空间,降低高维度影响,但是该算法需要用户事先指定聚类数目K值,而在实际使用中有时无法给出准确的K值.针对这一问题,引入成对约束,将成对约束与轮廓系数进行结合,提出了一种基于成对约束的SubKMeans聚类数确定算法.改进后的轮廓系数能够更加准确的评价聚类性能,从而实现K值确定,实验结果证明该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何振峰		34	74	4.0	6.0
2	高波		2	15	1.0	2.0