科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对K-medoids算法需要事先给定聚类数目和初始聚类中心的问题,借助次胜者受罚竞争学习算法RPCL确定数据集的类簇数目,提出以密度RPCL作为预处理步骤的K-medoids聚类算法。通过密度RPCL算法对数据集进行处理,从而确定Kmedoids算法的合理类簇数目,然后再运行改进K-medoids算法,由此提高K-medoids算法的聚类效率和聚类准确性。采用UCI机器学习数据库数据集进行实验测试,使用不同的聚类结果评价指标对实验结果进行分析,证明本文基于密度RPCL的K-medoids算法具有很好的聚类效果。
