基于距离和密度的d-K-means算法

作者：唐泽坤; 朱泽宇; 杨裔; 李彩虹; 李廉

来源：计算机应用研究, 2020, (06): 1719-1723.

DOI：10.19734/j.issn.1001-3695.2018.10.0861

• 聚类
• K-means算法
• 最小最大原则
• 类中心个数 clustering
• K-means algorithm
• min-max principle
• number of class centers

针对K-means算法对初始聚类中心和噪声敏感的缺点,提出了d-K-means算法(distance&density),在K-means算法的基础上权衡了密度和距离对聚类的影响,对数据进行加权处理,在权值基础上引入最小最大原则选择初始聚类中心,自动确定类中心个数。实验结果表明,d-K-means算法在低维与高维数据上都可以取得较好的聚类效果,并且可以更好地应对低密度区域数据,更好地进行类中心选择。

• 单位
  兰州大学