| 粒计算优化初始聚类中心的K-medoids聚类算法 |
| |
| 引用本文： | 谢娟英,鲁肖肖,屈亚楠,高红超.粒计算优化初始聚类中心的K-medoids聚类算法[J].计算机科学与探索,2015(5). |
| |
| 作者姓名： | 谢娟英 鲁肖肖 屈亚楠 高红超 |
| |
| 作者单位： | 陕西师范大学 计算机科学学院,西安,710062 |
| |
| 基金项目： | The National Natural Science Foundation of China under Grant No.31372250，the Key Science and Technology Project of Shaanxi Province of China under Grant No.2013K12-03-24，the Fundamental Research Funds for the Central Universities of China under Grant No. GK201503067 |
| |
| 摘 要： | 针对快速K-me doids聚类算法所选初始聚类中心可能位于同一类簇的缺陷，以及基于粒计算的K-medoids算法构造样本去模糊相似矩阵时需要主观给定阈值的缺陷，提出了粒计算优化初始聚类中心的K-medoids聚类算法。该算法结合粒计算与最大最小距离法，优化K-medoids算法初始聚类中心的选取，选择处于样本分布密集区域且相距较远的K个样本作为初始聚类中心；使用所有样本的相似度均值作为其构造去模糊相似矩阵的阈值。人工模拟数据集和UCI机器学习数据库数据集的实验测试表明，新K-medoids聚类算法具有更稳定的聚类效果，其准确率和Adjusted Rand Index等聚类结果评价指标值优于传统K-medoids聚类算法、快速K-medoids聚类算法和基于粒计算的K-medoids聚类算法。
|
| 关 键 词： | 粒计算 初始聚类中心 最大最小距离法 K-me doids聚类算法 |
K-medoids Clustering Algorithms with Optimized Initial Seeds by Granular Computing |
| |
| XIE Juanying,LU Xiaoxiao,QU Yanan,GAO Hongchao.K-medoids Clustering Algorithms with Optimized Initial Seeds by Granular Computing[J].Journal of Frontier of Computer Science and Technology,2015(5). |
| |
| Authors: | XIE Juanying LU Xiaoxiao QU Yanan GAO Hongchao |
| |
| Abstract: | |
| |
| Keywords: | granular computing initial seeds max-min distance means K-me doids clustering algorithm |
| 本文献已被 万方数据 等数据库收录！ |
