结合近邻思想和K-means的三支决策聚类方法
唐欣
北方民族大学数学与信息科学学院 银川 750021
摘要：针对K-means算法随机选取聚类中心且易受极端值影响等问题,提出近邻思想和K-means的三支决策聚类方法.首先,利用样本点之间的关系得到密度最高的对象作为初始聚类中心,根据剩余样本点与初始聚类中心之间的近邻密度选取合适的聚类对象,同时更新聚类中心;接着从最远欧氏距离出发寻找n-1个聚类中心及其对应的聚类对象,得到二支K-means聚类结果.最后,结合三支决策和Q近邻思想,将上述结果进一步划分为核心域、边界域及琐碎域,得到三支K-means决策聚类结果.在UCI数据集和人工模拟数据集上分别进行试验,实验结果表明:相比于其他几种方法,该方法提高了聚类准确率,具有稳定性.
关键词：K-means算法局部邻域密度Q近邻三支决策三支聚类
分类号：TP311.13(计算技术、计算机技术)TP181(自动化基础理论)
资助基金：国家自然科学基金(62066001)宁夏自然科学基金项目(2020AAC03217)宁夏自然科学基金项目(2022AAC03238)北方民族大学研究生创新项目(YCX21176)
论文发表日期：2025-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 314-319 )
英文信息