簇方差加权K-means算法

赵 挺祺, 付 学良
内蒙古农业大学计算机与信息工程学院

摘要

随着信息技术的不断进步，如何从海量信息中有效地提取用户感兴趣的知识，已经成为当前数据挖掘的重要研究课题。而聚类作为数据挖掘的重要工具,通过将数据划分成多个类,使得类内数据尽可能相似,而类间数据的相似度尽可能小。从而挖掘类中的难以发现的隐含知识模式,而成为研究热点。聚类算法中K-means因为其简单、快速，常常被人们采用，但是K-means算法也存在对初始值敏感，容易被离群点影响聚类结果等缺点。本文提出了一种基于簇误差加权的CVWK-means算法，通过对误差大的簇进行加权处理提升聚类效果。实验结果表明，本文所提算法较原始K-means算法有更好的聚类效果。

关键词

聚类；K-means；方差加权,聚类算法

参考

[1]AlexandropoulosA,PlessasF,BirbasM.AdynamicDFI-compatiblestrobequalificationsystemforDoubleDataRate(DDR)physicalinterfaces[C]//201017thIEEEInternationalConferenceonElectronics,CircuitsandSystems.IEEE,2010:277-280.

[2]WongJAHA.AlgorithmAS136:AK-MeansClusteringAlgorithm[J].JournaloftheRoyalStatisticalSociety,1979,28(1):100-108.

[3]ArthurD,VassilvitskiiS.K-Means++:TheAdvantagesofCarefulSeeding[C]//ProceedingsoftheEighteenthAnnualACM-SIAMSymposiumonDiscreteAlgorithms,SODA2007,NewOrleans,Louisiana,USA,January7-9,2007.ACM,2007.

[4]BezdekJC,EhrlichR,FullW.FCM:Thefuzzyc-meansclusteringalgorithm[J].Computers&Geoences,1984,10(2-3):191-203.

[5]ZhuX,GoldbergAB.IntroductiontoSemi-SupervisedLearning[J].SynthesisLecturesonArtificialIntelligenceandMachineLearning,2009,3(1):130.

[6]LiuJS,ZhangJL,PalumboMJ,etal.Bayesianclusteringwithvariableandtransformationselections[J].Bayesianstatistics,2003,7:249-275.

[7]徐艳,付学良,李宏慧.一种基于特征加权的K-Means算法研究[J].计算机科学与应