基于改进RPCL的K-means聚类算法

摘要：

针对现有(Rival Penalized Competitive Learning,RPCL)算法之不足,提出根据样本数据集自然分布规定样本密度,把此密度代入次胜者受罚竞争学习算法(RPCL)节点权值调整的改进RPCL算法;以改进RPCL算法对数据集进行预处理,确定K-means算法的合理类簇数目和最佳初始聚类中心,提高K-means算法的聚类效率和聚类准确性,促进其尽快地收敛至全局最优解.

关键词：K-means算法、密度、RPCL算法、聚类数目、初始中心

所属期刊栏目：34

分类号：TP18(自动化基础理论)

在线出版日期：2018-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：59-62