动态粗集理论在K-均值聚类中的应用

摘要：

基于动态粗集理论,提出了一种改进的动态粗集K-均值算法.改进后的算法依据数据对象的迁移系数大小,被划分到某一类的膨胀上近似集或膨胀下近似集；在计算类的质心时采用其中数据对象集的迁移系数的平均值作为权值来衡量它对质心的贡献.在UCI机器学习数据库原始数据集及其噪音数据集上的实验结果表明,改进后的动态粗集K-均值算法提高了聚类的准确性,降低了迭代次数.

关键词：动态粗集、K-均值、聚类、迁移系数

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：山东省优秀中青年科学家科研奖励基金BS2010DX027

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：25-26,69