基于离群点检测的K-means算法
冷泳林1
张清辰2
赵亮2
鲁富宇3
1.渤海大学 高职学院，辽宁 锦州 121001; 大连理工大学 软件学院，辽宁 大连 1166212.大连理工大学 软件学院,辽宁 大连,1166213.渤海大学 高职学院,辽宁 锦州,121001
摘要：K-means算法以其简单、快速的特点在现实生活中得到广泛应用。然而传统K-means算法容易受到噪声的影响，导致聚类结果不稳定，聚类精度不高。针对这个问题，提出一种基于离群点检测的K-means算法，首先检测出数据集中的离群点，在选择初始种子的时候，避免选择离群点作为初始种子。然后在对非离群点进行聚类完成后，根据离群点到各个聚类的距离，将离群点划分到相应的聚类中。算法有效降低离群点对K-means算法的影响，提高聚类结果的准确率。实验表明，在聚类类别数给定的前提下，在标准数据集UCI上该算法有效降低离群点对K-means算法的影响，提高了聚类的精确率和稳定性。
关键词：聚类K-means算法离群点UCI数据集
分类号：TP311(计算技术、计算机技术)
资助基金：辽宁省科技厅项目(013020014)中国高等职业技术教育研究会规划课题(GZYLX2011211)辽宁省教育科学规划课题(十二五)(NoJG12 DB211)
论文发表日期：2014-01-01
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( 34-38,48 )
英文信息