-
题名基于宽度优先搜索的K-medoids聚类算法
被引量：5
- 1
-
-
作者
颜宏文
周雅梅
潘楚
-
机构
长沙理工大学计算机与通信工程学院
湖南大学信息科学与工程学院
-
出处
《计算机应用》
CSCD
北大核心
2015年第5期1302-1305,共4页
-
基金
国家自然科学基金资助项目(51277015)
湖南省研究生科研创新项目(CX2014B386)
-
文摘
针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略。首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点,同时采用簇间距离和簇内距离优化准则函数。实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率。
-
关键词
K-medoids聚类算法
粒计算
相似对象二叉树
宽度优先搜索
适应度函数
-
Keywords
K-medoids clustering algorithm
granular computing
binary tree of similar object
breadth-first search
fitness function
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
