| 一种改进的距离度量的聚类算法 |
| |
| 引用本文： | 李健森,白万民. 一种改进的距离度量的聚类算法[J]. 电子设计工程, 2012, 20(22): 86-88. DOI: 10.3969/j.issn.1674-6236.2012.22.031 |
| |
| 作者姓名： | 李健森 白万民 |
| |
| 作者单位： | 1.西安工业大学陕西西安710000;2.西安工业大学陕西西安710000 |
| |
| 摘 要： | 针对传统的K均值聚类分析,不考虑对象中每个变量在聚类过程中体现作用的不同,而是统一看待,用这样计算的距离来表示两个对象的相似度并不确切。文中提出了一种基于距离度量的聚类算法,算法使用新的距离度量代替了K均值聚类算法的欧式距离,应用新的距离度量之后,数据点的权重不再只为1或0,而是由系数来确定,这就将硬划分转化为软划分。最后经过实验证明了改进的聚类算法比传统的K均值聚类收敛速度有了很大提高。提高了算法的执行效率。
|
| 关 键 词： | 数据挖掘 算法 欧氏距离 K均值聚类分析 |
An improved distance metric clustering algorithm |
| |
| LI Jian-sen,BAI Wan-min. An improved distance metric clustering algorithm[J]. Electronic Design Engineering, 2012, 20(22): 86-88. DOI: 10.3969/j.issn.1674-6236.2012.22.031 |
| |
| Authors: | LI Jian-sen BAI Wan-min |
| |
| Affiliation: | (Xi’an University of Technology,Xi’an 710000,China) |
| |
| Abstract: | |
| |
| Keywords: | data mining algorithm Euclidean distance K-means clustering analysis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
