《计算机工程与应用》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
《计算机工程与应用》唯一官方网站
大数据与云计算 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
基于稠密区域的K-medoids聚类算法
赵湘民1,2,陈  曦1,潘  楚3
1.长沙理工大学 计算机与通信工程学院,长沙 410114
2.长沙商贸旅游职业技术学院,长沙 410004
3.湖南大学 信息科学与工程学院,长沙 410082
Novel K-medoids clustering algorithm based on dense regional block
ZHAO Xiangmin1,2, CHEN Xi1, PAN Chu3
1.Institute of Computer and Communication Engineering, Changsha University of Sciences and Technology, Changsha 410114, China
2.Changsha College of Commerce & Tourism, Changsha 410004, China
3.College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082, China
 全文: PDF (586 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出[K]个密度大且距离较远的稠密区域,把对应的稠密区域的核心对象作为聚类算法的[K]个初始中心点;其次,把[K]个中心点搜索更新范围锁定在所选的[K]个有效稠密区域里。新算法在Iris、Wine、PId标准数据集中测试,获取了理想中心点和稠密区域,并且在较少的迭代次数内收敛到最优解或近似最优解。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
赵湘民1
2
陈 曦1
潘 楚3
关键词K-medoids聚类算法   稠密区域   初始中心点   中心点搜索更新     
Abstract: In view of the traditional K-medoids clustering algorithm is sensitive to the initial center, as well as the shortcoming of high number of iterations, put forward a feasible initialization method and a center search update strategy. New algorithm firstly using the density-reachable thought to establish a dense regional block for each object of the data set, select [K] dense regional blocks which their densities are larger and the distance are far away for each selected dense regional blocks, put the core object of the corresponding dense regional blocks as the K initial centers;Secondly, the centers search update scope is locking the [K] selected effective dense regional blocks. Tested on Iris, Wine and PId standard data sets, this new algorithm obtains ideal initial centers and dense regional blocks, what’s more, converges to the optimal solution or approximate optimum solution within less number of iterations.
Key wordsK-medoids clustering algorithm   dense regional block   initial center   center search update   
引用本文:   
赵湘民1,2,陈 曦1等. 基于稠密区域的K-medoids聚类算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(16): 85-89.
ZHAO Xiangmin1,2,CHEN Xi1 et al. Novel K-medoids clustering algorithm based on dense regional block[J]. CEA, 2016, 52(16): 85-89.
链接本文:  
http://cea.ceaj.org/CN/
 
没有找到本文相关图表信息
没有本文参考文献
没有找到本文相关文献
版权所有 © 《《计算机工程与应用》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89055542 E-mail: ceaj@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024262号-1