|
|||||
|
|
| 基于Tukey规则与初始中心点优化的K-means聚类改进算法 | |
| 作者姓名： | 柳菁 邱紫滢 郭茂祖 余冬华 |
| 作者单位： | 1.绍兴文理学院计算机科学与工程系, 绍兴 312000;2.北京建筑大学电子信息工程学院, 北京 100044 |
| 基金项目： | 国家自然科学基金（62002227）;绍兴文理学院校级科研项目(2021LG004)。 |
| 摘 要： | 针对K-means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K-means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,在核心子集上执行中心点逐个递增优化选择策略,选出初始中心点。在来自UCI的20个数据集上聚类结果表明,本文提出的算法优于K-means++聚类算法,有效地提升了聚类性能。 |
| 关 键 词： | 数据挖掘 K-means聚类算法 Tukey规则 中心点优化 |
| 收稿时间： | 2022-03-24 |
| 修稿时间： | 2022-06-23 |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 | |
| 点击此处可从《数据采集与处理》下载全文 | |