Canopy算法中T值选取的优化及聚类效果的改进

• 作者: 鲁茜 蒙祖强
• 来源期刊: 信息与电脑
• 关键词: 聚类算法 改进 优化 结合
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 算法语言
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.06.019

摘要

笔者拟通过选取距离数据样本集的中心点最近的点作为初始聚类中心,借用频率分布直方图类比出距离分布直方图,得到各数据样本点之间的距离,从而找出适宜的T1、T2取值点,实现对Canopy算法的改进.通过与K-means算法相结合,发现该改进方法能够提升算法的整体速度,同时对边缘点的聚类效果较原方法比更为清晰.利用GAUSS数据集和人工数据集对改进后的算法做聚类分析模拟实验,实验结果表明该方法在聚类效果和聚类速度上都有所提升.