| 结合SOFM的改进CLARA聚类算法 |
| |
| 引用本文： | 段明秀.结合SOFM的改进CLARA聚类算法[J].计算机工程与应用,2010,46(22):210-212. |
| |
| 作者姓名： | 段明秀 |
| |
| 作者单位： | 吉首大学,数学与计算机科学学院,湖南,吉首,416000 |
| |
| 摘 要： | 介绍了自组织特征映射（SOFM）算法及大规模应用聚类（CLARA）算法的基本思想，提出了一种首先利用SOFM算法对数据集进行粗聚类，确定簇的数目k和神经元的连接权向量，然后从数据集中找出与SOFM算法的神经元的连接权向量最相似的k个代表点作为CLARA算法的k个代表点的初始值的改进CLARA算法。实验结果表明，改进算法具有更高的聚类效率和更好的聚类质量。
|
| 关 键 词： | 自组织特征映射 大规模应用聚类 聚类 替换代价 |
| 收稿时间： | 2009-6-16 |
| 修稿时间： | 2009-9-21
|
Improved CLARA clustering algorithm based on SOFM algorithm |
| |
| DUAN Ming-xiu.Improved CLARA clustering algorithm based on SOFM algorithm[J].Computer Engineering and Applications,2010,46(22):210-212. |
| |
| Authors: | DUAN Ming-xiu |
| |
| Affiliation: | DUAN Ming-xiu(College of Mathematics and Computer Science, Jishou University, Jishou, Hunan 416000, China) |
| |
| Abstract: | The basic idea of Self-Organizing Feature Maps（SOFM） algorithm and Clustering LARge Applications（CLARA） algorithm is introduced.Firstly this paper adopts the SOFM algorithm clustering on the data set to attain the class number and the neurons＇s connection weights vector, and then the clustering result is used to initialize the class number and the k medoid in the CLARA algorithm.The simulate experiment shows that this clustering method can improve the clustering per- forrnance. |
| |
| Keywords: | Self-Organizing Feature Maps（SOFM） Clustering LARge Applications（CLARA） clustering replace cost |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
