基于邻域模型的K-means初始聚类中心选择算法

计算机科学 ›› 2008, Vol. 35 ›› Issue (11): 181-184.

基于邻域模型的K-means初始聚类中心选择算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家863计划项目（2007AA012165）,国家自然科学基金（70471003,60773133）,高等学校博士学科点专项科研基金（20050108604）,教育部科学技术研究重点项目（206017）,山西省重点实验室开放基金（200603023）,山西省高校科技开发项目（2007103）和太原市科技局科技兴市专项项目（07010724）.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 传统的K-means算法由于其方法简单，在模式识别和机器学习中被广泛讨论和应用。但由于K—means算法随机选择初始聚类中心，而初始聚类中心的选择对最终的聚类结果有着直接的影响，因此算法不能保证得到一个唯一的聚类结果。利用邻域模型中对象邻域的上下近似，定义了对象邻域耦合度和分离度的概念，给出了对象在初始聚类中心选择中的重要性，提出了一种初始聚类中心的选择算法。另外，分析了邻域模型中三种范数对聚类精度的影响，并和随机选择初始聚类中心、CCIA选择初始聚类中心算法进行了比较，实验结果表明，该算法是有效的。

关键词: 邻域模型初始聚类中心 K-means聚类粗糙集

Abstract: The traditional K-means algorithm considered as a simple method has been widely discussed and applied in pattern recognition and machine learning. However,K-means algorithm can not guarantee unique clustering result because initial cluster centers are cho

Key words: Neighborhood model, Initial cluster centers, K-means clustering, Rough set

. 基于邻域模型的K-means初始聚类中心选择算法[J]. 计算机科学, 2008, 35(11): 181-184. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed