基于簇内不平衡度量的粗糙K-means聚类算法
来源期刊:控制与决策2013年第10期
论文作者:张腾飞 陈龙 李云
文章页码:1479 - 1484
关键词:簇内不平衡度量;粗糙集;粗糙K-means聚类;
摘 要:粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法,但大多数算法对簇的下近似集和边界中的对象使用统一的权值,忽略了簇内对象之间的差异性.针对这一问题提出一种新的改进算法,通过对簇内的每个对象加入簇内不平衡度量,以区分不同对象对簇的贡献程度,使得聚类结果簇内更紧凑、簇间更疏远.不同数据集的仿真实验结果表明,所提出算法可以有效提高聚类结果的精度.
张腾飞1,陈龙1,李云2
1. 南京邮电大学自动化学院2. 南京邮电大学计算机技术研究所
摘 要:粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法,但大多数算法对簇的下近似集和边界中的对象使用统一的权值,忽略了簇内对象之间的差异性.针对这一问题提出一种新的改进算法,通过对簇内的每个对象加入簇内不平衡度量,以区分不同对象对簇的贡献程度,使得聚类结果簇内更紧凑、簇间更疏远.不同数据集的仿真实验结果表明,所提出算法可以有效提高聚类结果的精度.
关键词:簇内不平衡度量;粗糙集;粗糙K-means聚类;