基于相异性邻域的改进K-means算法

摘要：

K-means算法从样本集随机选取初始聚类中心导致聚类结果不稳定,且聚类性能易受奇异点影响.针对以上缺陷,文章定义基于相异度矩阵的邻域半径概念,依次选取最小邻域半径对应的样本作为初始聚类中心,直到邻域半径达到样本集的平均邻域半径;若选取的聚类中心数量不足K个,逐步缩小邻域参数探索,直到选出K个.随后给出基于实验的剔除奇异点公式,得到最终的聚类结果.实验结果表明,算法在准确度和迭代次数两方面均有所改进.

关键词：K-means聚类;相异度;邻域半径;初始聚类中心;奇异点

所属期刊栏目：5

分类号：TP273.4(自动化技术及设备)

资助基金：国家自然科学基金青年项目;广东省大学生创新创业项目;华南农业大学微达安产业学院项目

在线出版日期：2021-09-10（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：67-70