基于密度和加权欧氏距离的K-means算法

摘要：

传统K-means算法对初始聚类中心较敏感.异常数据的处理和相似度计算方式也会影响聚类的划分.针对K-means算法的缺陷,提出了基于密度和加权欧氏距离的聚类算法.首先运用最大最小距离算法得到最佳的初始聚类中心,同时去除噪声,然后根据加权的欧氏距离进行划分.仿真实验证明:新的算法可以生成聚类质量较高并且稳定性较好的结果.

关键词： K-均值算法 缺陷分析 数据挖掘 加权欧氏距离

作者: 赵延平 葛京

作者单位: 北京交通大学信息中心 北京100044 中国民航信息网络股份有限公司 北京100010

会议类型: 国内会议

会议名称: 中国计算机用户协会网络应用分会2013年第十七届网络新技术与应用年会

会议地点: 哈尔滨

会议语种:中文

页码: 248-250,267

在线出版日期: 2013-08-01（万方平台首次上网日期，不代表论文的发表时间）