基于密度的划分式聚类过程参数选择算法

发布时间：2017-12-16 19:14

  本文关键词：基于密度的划分式聚类过程参数选择算法

  更多相关文章： 聚类算法 聚类中心 样本密度 关系树 最大最小距离

【摘要】：为确定-means等聚类算法的初始聚类中心,首先由样本总量及其取值区间长度确定对应维上的样本密度统计区间数,并将满足筛选条件的密度峰值所在区间内的样本均值作为候选初始聚类中心;然后,根据密度峰值区间在各维上的映射关系建立候选初始聚类中心关系树,进一步采用最大最小距离算法获得初始聚类中心;最后为确定最佳聚类数,基于类内样本密度及类密度建立聚类有效性评估函数.针对人工数据集及UCI数据集的实验结果表明了所提出算法的有效性.
【作者单位】： 中国人民解放军军械工程学院信息工程系;
【基金】：国家自然科学基金项目(61173191) 军内科研项目(YJJXM12033)
【分类号】：TP311.13
【正文快照】： 0引言聚类是数据分析领域最为重要的数据分析方法之一,到目前为止,尚无一种聚类算法可以普遍用于揭示各种多维数据的结构[1].传统聚类方法主要有:基于划分的聚类[2]、基于层次的聚类[3]、基于网格的聚类[4]、基于密度的聚类[5].基于划分的聚类方法由于具有较低的实现复杂度,是

【参考文献】

中国期刊全文数据库 前1条

1 刘一鸣;张化祥;;可变阈值的K-Means初始中心选择方法[J];计算机工程与应用;2011年32期

【共引文献】

中国期刊全文数据库 前3条

1 郑丹;王潜平;;K-means初始聚类中心的选择算法[J];计算机应用;2012年08期

2 何云斌;肖宇鹏;万静;李松;;基于密度期望和有效性指标的K-均值算法[J];计算机工程与应用;2013年24期

3 陈亚峰;;一种新的K-均值动态聚类算法[J];济源职业技术学院学报;2014年04期

中国博士学位论文全文数据库 前1条

1 孙鹏;特大城市对外客运通道系统配置分析[D];西南交通大学;2012年

【相似文献】

中国期刊全文数据库 前10条

1 李玮;薛惠锋;詹海亮;;基于划分采样的初始聚类中心算法[J];太原理工大学学报;2011年04期

2 孟子健;马江洪;;一种可选初始聚类中心的改进k均值算法[J];统计与决策;2014年12期

3 顾洪博;张继怀;;聚类算法初始聚类中心的优化[J];西安工程大学学报;2010年02期

4 沈国珍;;依赖数据密度的K均值初始化调优[J];计算机工程与应用;2014年11期

5 王汉芝;刘振全;;一种新的确定K-均值算法初始聚类中心的方法[J];天津科技大学学报;2005年04期

6 刘峰,孙超,李斌;一种改进的C均值法初始类划分方法[J];计算机工程与设计;2005年02期

7 谢娟英;郭文娟;谢维信;高新波;;基于样本空间分布密度的初始聚类中心优化K-均值算法[J];计算机应用研究;2012年03期

8 苏锦旗;薛惠锋;詹海亮;;基于划分的K-均值初始聚类中心优化算法[J];微电子学与计算机;2009年01期

9 张文君;顾行发;陈良富;余涛;许华;;基于均值-标准差的K均值初始聚类中心选取算法[J];遥感学报;2006年05期

10 王赛芳;戴芳;王万斌;张晓宇;;基于初始聚类中心优化的K-均值算法[J];计算机工程与科学;2010年10期

中国硕士学位论文全文数据库 前1条

1 张永晶;初始聚类中心优化的K-means改进算法[D];东北师范大学;2013年

，

本文编号：1297143