基于改进流形距离的粗糙集k-means聚类算法

摘要：

针对现有的基于流形距离的聚类算法对“绝对流形”数据集较“相对流形”数据集聚类效果佳和参数ρ在较大范围内变化时，聚类性能较差等问题，提出基于改进流形距离的粗糙集k-means聚类算法。该算法通过用属性划分和最大最小距离选择初始聚类中心，以改进的流形距离和粗糙集优化k-means，并结合终止判断条件以达到解决边界数据聚类问题和提升聚类效果的目的。仿真结果表明：该算法对“绝对流形”和“相对流形”数据集聚类效果均有较好改善，且参数变化对聚类性能影响较大。

关键词：k-means算法、最大最小距离、改进流形距离、粗糙集、适应度函数

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：湖南省自然科学基金No.14JJ7043；湖南省教育厅资助重点项目No.14A004。

在线出版日期：2016-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：84-89