加入三角不等式的闭合K-means改进算法

摘要：

研究介绍了加入三角不等式的闭合K-means改进算法,它显著提高了传统K-means算法的计算效率.改进方法主要考虑到传统的K-means重分配过程中的绝大数计算过程是非必要的,因为算法需要找到最近的聚类中心点,却不关心数据点与其他聚类中心的距离.这种改进思路是基于Kd tree with BBF算法的精神拓展的,本文提到的与它有类似之处.先通过三角不等式确定每个聚类中心不需要计算的点的范围,再通过使用多个随机空间分区树将数据组成邻居点来有效识别那些易于"移动"的点.实验结果表明,该方法在计算大型视觉词汇数据集时比传统算法有更高的计算效率,大约减少了41％的计算时间.研究还评估了一些参数的影响,包括总的数据量、聚类数量、阈值大小,证明了不同的参数选取可以有效减少时间消耗,但代价是聚类的效果会降低.

关键词：计算机应用、K-means、算法、三角不等式原理、随机树

所属期刊栏目：12

分类号：TP751(遥感技术)

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：397-404