文章摘要
引用本文:张洁玲,白清源.一种高效的K-means聚类改进算法[J].福州大学学报(自然科学版),2014,42(4):537~542
一种高效的K-means聚类改进算法
An efficient improved K-means clustering algorithm
  
DOI:10.7631/issn.1000-2243.2014.04.0537
中文关键词: K-means  二分K均值  预聚类  邻近簇
英文关键词: K-means  bisecting K-means  preliminary clustering  neighboring cluster
基金项目:
作者单位
张洁玲 福建江夏学院电子信息科学学院福建 福州 350108 
白清源 福州大学数学与计算机科学学院福建 福州 350116 
摘要点击次数: 460
全文下载次数: 522
中文摘要:
      针对传统K-means算法在初始质心选取的敏感性以及迭代计算的冗余性这两方面的缺陷,提出一种高效的聚类算法(ECA). 根据数据对象的空间分布情况,首先采用空间划分预聚类算法(SDPCA)对数据集实现预聚类划分,然后采用基于邻近簇调整的优化聚类算法(OCANC)对预聚类成果进行优化处理,最终获取聚类成果. 实验证明,该改进算法能消除对初始输入的敏感性,以更高的运行效率获取较高质量的聚类结果.
英文摘要:
      An efficient clustering algorithm (ECA) is proposed for the two disadvantages of the traditional K-means clustering algorithm—the sensitivity of the selected initial centroids and the redundancy of iterative calculation. Space division preliminary clustering algorithm (SDPCA) is used to pre clustering the dataset according to the space distribution of the data objects,and then the optimized clustering algorithm based on neighboring clusters (OCANC) is used to optimize pre-clustering results and obtain the final clustering results. The experiment demonstrates that the improved algorithm can eliminate the sensitivity to the initial centroids and obtain higher quality clustering result with higher execution efficiency.
查看全文   查看/发表评论  下载PDF阅读器
关闭