结合最大最小距离和加权密度的K-means聚类算法

	结合最大最小距离和加权密度的K-means聚类算法
	马克勤; 杨延娇; 秦红武; 耿琳; 王丕栋
	2020-01-03
发表期刊	计算机工程与应用
ISSN	1002-8331
卷号	56 期号:2020-16 页码:50-54
摘要	随机选取初始聚类中心和根据经验设置K值对K-means聚类结果都有一定的影响,针对这一问题,提出了一种基于加权密度和最大最小距离的K-means聚类算法,称为KWDM算法。该算法利用加权密度法选取初始聚类中心点集,减少了离群点对聚类结果的影响,通过最大最小距离准则启发式地选择聚类中心,避免了聚类结果陷入局部最优,最后使用准则函数即簇内距离和簇间距离的比值来确定K值,防止了根据经验来设置K值。在人工数据集和UCI数据集上的实验结果表明,KWDM算法不仅提高了聚类的准确率,而且减少了算法的平均迭代次数,增强了算法的稳定性。
关键词	K-means 初始中心离群点密度法最大最小距离
URL	查看原文
收录类别	CNKI ; 北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金（No.61662068）
原始文献类型	学术期刊
中图分类号	TP311.13
文献类型	期刊论文
条目标识符	https://ir.nwnu.edu.cn/handle/39RV6HYL/1721
专题	实体学院_计算机科学与工程学院
作者单位	西北师范大学计算机科学与工程学院
第一作者单位	计算机科学与工程学院
第一作者的第一单位	计算机科学与工程学院
推荐引用方式 GB/T 7714	马克勤,杨延娇,秦红武,等. 结合最大最小距离和加权密度的K-means聚类算法[J]. 计算机工程与应用,2020,56(2020-16):50-54.
APA	马克勤,杨延娇,秦红武,耿琳,&王丕栋.(2020).结合最大最小距离和加权密度的K-means聚类算法.计算机工程与应用,56(2020-16),50-54.
MLA	马克勤,et al."结合最大最小距离和加权密度的K-means聚类算法".计算机工程与应用 56.2020-16(2020):50-54.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
结合最大最小距离和加权密度的K-mean（1491KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载