节点文献

基于分位数半径的动态K-means算法

免费订阅

【作者】 程明畅刘友波张程嘉马铁丰

【Author】 Cheng Mingchang;Liu Youbo;Zhang Chengjia;Ma Tiefeng;School of Statistics,Southwestern University of Finance and Economics;School of Electrical Engineering and Information,Sichuan University;

【机构】 西南财经大学统计学院四川大学电气信息学院

【摘要】 K-means算法是应用最广泛的聚类算法之一,但存在明显缺陷:对初始值敏感,还需给定类的数目.层次K-means算法提出将多次k取固定值的K-means运算所得到的中心点作为类的代表,并通过对这些中心点进行层次聚类来得到更好的初始聚类中心,然而在中心的融合过程中并没有有效利用类的几何信息.从类的几何特征入手,提出一种基于类的分位数半径的动态K-means算法(QRD K-means).此算法在层次K-means的基础上令每次K-means运算的k值变动起来,且又引入了分位数半径的概念,用样本点到类中心距离的分位数作为类的半径,将样本点间的关系简化为各个类的分位数半径与类中心的关系.通过中心点间距离与分位数半径大小的比较对中心点进行融合形成新类,从而快速给出良好的聚类结果,同时也确定了类的数目.在仿真实验中,通过与不同算法在时间和分类精确度上的比较分析,也证明该方法快速有效.

【关键词】 K-means类的数目分位数半径动态K-means
【基金】 国家自然科学基金(11471264,11401148,11571282,51437003)
  • 【DOI】10.13232/j.cnki.jnju.2018.01.006
  • 【分类号】TP311.13
  • 【下载频次】33
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: