文章摘要
引用本文:吴清寿,刘耿耿,郭文忠.基于部分实例重判的二分K-means算法[J].福州大学学报(自然科学版),2018,46(3):317~323
基于部分实例重判的二分K-means算法
Bisecting K-means algorithm based on partial instance rejudge
  
DOI:10.7631/issn.1000-2243.17066
中文关键词: 二分k均值  部分实例重判  候选簇  召回实例  聚类
英文关键词: bisecting K-means  partial instance rejudge  candidate cluster  recall instance  clustering
基金项目:
作者单位
吴清寿 武夷学院数学与计算机学院福建 武夷山 354300 
刘耿耿 福州大学数学与计算机科学学院福建 福州 350116 
郭文忠 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: 165
全文下载次数: 107
中文摘要:
      针对二分K-means算法存在的误判实例无法再参与后续划分并降低了聚类的精度的问题. 提出一种基于部分实例重判的二分K-means算法,通过区分目标簇和候选簇,过滤出候选簇中的召回实例,对召回实例所应归属的簇进行重判,实现了误判实例的正确聚类. 实验结果表明,改进算法对三个实验数据集都是有效的,在不同程度上提高了聚类的准确性,同时对算法的运行速度也有小幅度的提升.
英文摘要:
      The problem of misjudgment instance of bisecting K-means being unable to participate in the subsequent partitioning reduces the accuracy of clustering. This paper proposes a bisecting K-means algorithm based on partial instance rejudge,which can correctly classify the misjudgment instances by distinguishing the object clusters and the candidate clusters,filtering the recall instances from the candidate clusters,and reclassifying the recall instances. The experimental results show that the improved algorithm is effective for three data sets,and can improve the accuracy of clustering in different extent and the running speed of the algorithm.
查看全文   查看/发表评论  下载PDF阅读器
关闭