loo change

基于类中心与边界自寻优的聚类算法

张文军;王建平;范世平;张柳霞

【期刊名称】《计算机系统应用》

【年(卷),期】2017(026)011

【摘要】随着互联网应用的普及和深入,涌现了许多新的应用场景和数据类型,导致

许多经典的聚类算法不能有效地适应新的发展形势,成为数据挖掘中的棘手问题和

研究热点,为此提出一种新颖的基于类中心与边界自寻优的数据聚类算法.该算法引

入数据点"距离半径"分布矩阵R及其"距离半径累计"分布矩阵ΣR概念表征数据聚

合度,并依据广度优先原则自寻优R与ΣR中皆为最小的数据点作为类中心;同时,提

出"距离半径偏导"分布矩阵R',描述簇类之间的松散度,并采用广度优先原则自寻优

矩阵R'中的突变跃迁增长点,作为簇类之间的分界.通过经典的Aggregation聚类

数据集的仿真实验测试,表明该算法能够有效地对多种形状、大小和不同密度分布

的数据集进行聚类分析,能较好地识别出孤立点和噪声,具有较高的鲁棒性和分析精

度.%WiththedeepdevelopmentandpopularizationofInternet,newdata

typemergeinnewapplicationfieldssothatmanyclassicclustering

algorithmsarenolongereffectivelyadaptedtonewsituations,sodata

orethearticle

proposanovelclusteringalgorithmbadonlf-optimizingthecenters

orithmcontainsthepoints'distance-

radius-distributionmatrix-Randthecumulativeradius-distributionmatrix-

Σapointswiththe

minimumRandΣRastheclasscentersarearchedunderthebreadth-

orithmalsoincludesthepartialderivativematrix-R'ofthe

distance-radiusdistributiontodescribethegradientchangeoftheloo

ingtolf-optimizingand

breadth-first,thetransitionpointofmatrix-R',whichitspartialderivativeis

thebiggestoneinadjacentpoints,isfoundastheclassboundary,inside

mulatingandtestingthe

algorithmbytypicalclusteringdatatsofAggregation,theresultshows

thatthealgorithmcaneffectivelyclusterthedatatswithdifferent

shapes,sizesanddifferentdensities,identifytheisolatedpointsandnois,

andalsohavebetterrobustnessandaccuracy.

【总页数】6页(P118-123)

【作者】张文军;王建平;范世平;张柳霞

【作者单位】中华女子学院计算机应用技术研究所,北京100101;天地科技建井研

究院,北京100013;天地科技建井研究院,北京100013;中华女子学院计算机应用技

术研究所,北京100101

【正文语种】中文

【相关文献】

1.基于最优类中心扰动的萤火虫聚类算法[J],赵杰;雷秀娟;吴振强

2.基于聚类边界检测的聚类算法[J],段聪聪;辛杭

3.基于改进相似度与类中心向量的半监督短文本聚类算法[J],李晓红;冉宏艳;龚继

恒;颜丽;马慧芳

4.基于局部中心度量的边界点划分密度聚类算法[J],张梅;陈梅;李明

5.一种基于类中心矫正的层次聚类算法[J],王娴;杨绪兵;周宇;周溜溜

因版权原因，仅展示原文概要，查看原文内容请购买