基于PAM和簇阈值的改进K-Means聚类算法 |
| |
引用本文: | 卜旭松,刘立波,石磊.基于PAM和簇阈值的改进K-Means聚类算法[J].孝感学院学报,2015(3):36-39. |
| |
作者姓名: | 卜旭松 刘立波 石磊 |
| |
作者单位: | 宁夏大学数学与计算机学院;湖北工程学院现代教育技术中心 |
| |
摘 要: | 为了弥补K-Means算法对孤立点数据敏感的缺陷,提高K-Means算法对包含孤立点数据集的聚类效果,在深入研究K-Means算法的基础上,提出了基于PAM和簇阈值的改进K-Means聚类算法。该算法首先对待聚类数据进行抽样,然后利用PAM算法获取样本数据的聚类中心,以样本数据的聚类中心作为KMeans算法的初始聚类中心。在聚类迭代过程中动态计算各簇阈值,利用簇阈值准确地过滤孤立点数据。实验结果表明,本文提出的算法不仅聚类时间短,而且具有较高的聚类准确率。
|
关 键 词: | 采样 K-Means聚类 聚类阈值 孤立点 |
本文献已被 CNKI 等数据库收录! |
|