一种基于距离调节的聚类算法

摘要：

针对k-means算法不适合凹形样本空间的问题,提出了一种基于距离调节的聚类算法、算法中引入了一种调节最短路径距离作为算法的相似度函数,该函数可以使经过高密度数据区域的两点距离缩短,而经过低密度数据区域的两点距离加长,由此来缩小类间样本的相似度,同时加大类间的相似度,以及更好的聚类.实验结果证明,该算法对凹状的聚类样本空间具有很好的聚类效果.

关键词： 聚类算法 k-means算法 距离调节

作者: 陈伯伦 陈崚 王俊生

作者单位: 扬州大学,计算机系,江苏,扬州,225009 扬州大学,计算机系,江苏,扬州,225009;南京大学,软件新技术国家重点实验室,江苏,南京,210093

会议类型: 国内会议

会议名称: 2008年全国开放式分布与并行计算学术年会

会议地点: 扬州

会议语种:中文

页码: 128-131

在线出版日期: 2008-10-25（万方平台首次上网日期，不代表论文的发表时间）