基于k最近邻划分的聚类算法研究

摘要：

本文基于k最近邻概念给出了kNN划分的概念。在此基础上从两方面对聚类方法进行了探索,其一是,从局部紧致的角度将待聚类数据集进行kNN划分,然后再结合经典聚类算法,实验结果表明当k取1时,该算法在不降低精度的前提下显著提高了经典聚类算法的效率；其二是,提出了基于k最近邻划分的新聚类算法,实验结果表明,当k取1时该算法的效率与标准的c-Means算法相当,其聚类结果的精度远高于Agnes算法,但要稍逊于标准c-Means算法。

关键词： 数据挖掘 聚类算法 近邻划分

作者: 刘大有 刘杰 金弟

作者单位: 吉林大学计算机科学与技术学院,长春 130012 吉林大学符号计算与知识工程教育部重点实验室,长春 130012

会议类型: 国内会议

会议名称: 中国人工智能学会第12届全国学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 169-174

在线出版日期: 2007-11-20（万方平台首次上网日期，不代表论文的发表时间）