不确定域环境下基于DKC值改进的K-means聚类算法

摘要：

提出一种不确定域环境下基于DKC值改进的K-means聚类算法,即U2d-Kmeans.该算法首先考虑到数据对象的不确定性因素,引入不确定域对数据对象进行描述；其次吸取2d-Kmeans的优点,对数据集进行预处理(剔除孤立点),并且采用累积距离的方法确定初始聚类中心,从而避免了随机选取聚类初始点造成聚类不稳定的缺陷；最后经过算法有效性对比实验证明得出,U2d-Kmeans算法比前两种算法更客观、有效.

关键词：不确定域、DKC值、2d-距离、聚类算法

所属期刊栏目：40

分类号：TP311.13(计算技术、计算机技术)

资助基金：2011年山西省科技基础条件平台建设"大同地区科学数据共享服务平台"项目2011091002-0102

在线出版日期：2013-06-27（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：181-184